A Semantic Similarity Analysis in the brains of Alzheimer's disease and COVID‐19 deceased individuals
Notice bibliographique
Résumé
BACKGROUND: Neurological manifestations, such as impaired memory, reduced attention, and cognitive decline, are frequently reported in individuals with COVID-19 and resemble symptoms observed in Alzheimer's disease (AD). Nonetheless, the extent to which these two conditions share molecular patterns remains uncertain. This study investigates transcriptomic parallels in the frontal cortex of patients with COVID-19 and AD. METHOD: Transcriptomic datasets from the frontal cortex of COVID-19 and AD patients were retrieved from the Gene Expression Omnibus. We used the R statistical software to identify differentially expressed genes (DEGs) in COVID-19 and AD brains compared to controls (FDR-adjusted p -value <0.05). Functional enrichment analysis (FEA) was applied to explore biological processes enriched in the shared DEGs. RESULT: A total of 6,533 DEGs were identified in COVID-19 samples and 5,592 in AD samples. Among them, 2,789 DEGs were shared between both conditions. Functional clustering (Table 1) and semantic similarity of the overlapped genes revealed significant convergence in processes related to vesicle transport, exocytosis and regulated secretion (Figure 1). The predominant terms indicate active cytoskeleton-dependent intracellular trafficking, particularly involving the release of neurotransmitters, hormones, and signaling molecules. Additionally, processes involving calcium ion sequestration and membrane lipid distribution suggest integrated mechanisms of signaling and cellular homeostasis. CONCLUSION: These findings point to a functional overlap between the pathophysiological mechanisms of Alzheimer's disease and the effects of COVID-19 in the brain, highlighting vulnerabilities in intercellular communication and regulation of the cellular microenvironment, as an outcome of neuroinflammatory vulnerabilities. These findings could guide clinical approaches for monitoring and managing cognitive impairments in COVID-19 survivors who may be at increased risk of neurodegenerative diseases like AD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».