Integrating polygenic risk scores, modifiable dementia risk factors, and sex as predictors of cohort membership in the Alzheimer’s and Lewy body disease spectra: A COMPASS‐ND Study
Notice bibliographique
Résumé
BACKGROUND: Polygenic risk scores (PRSs) summarize genetic risk across single nucleotide polymorphisms (SNPs). Alzheimer's disease (AD) and Lewy body disease (LBD) PRSs contribute to risk detection via both multi-mechanism (SNPs from multiple mechanistic pathways) and mechanism-specific (SNPs from separate mechanistic pathways) versions. Machine learning techniques compared the relative importance of 14 PRSs and 14 AD/LBD risk factors in discriminating cohorts of AD and LBD spectra, disaggregated by sex. METHODS: Data from the Comprehensive Assessment of Neurodegeneration and Dementia database of the Canadian Consortium on Neurodegeneration in Aging included 7 cohorts (n=899; M age=72; 49%F). The common benchmark was the cognitively unimpaired (CU) cohort. AD spectrum cohorts: subjective cognitive impairment (SCI), mild cognitive impairment (MCI), and AD. LBD spectrum cohorts: Parkinson's disease (PD), PD-MCI, and LBD. PRSice-2 calculated two multi-mechanism PRSs (AD-related, 387 SNPs; LBD-related, 379 SNPs) and 12 mechanism-specific PRSs (5-17 SNPs/mechanism). AD-specific PRSs: amyloid-beta metabolism, tau metabolism, lipid metabolism, mitochondrial function, immune response, nervous function, and basic cellular processes. LBD-specific PRSs: alpha-synuclein metabolism, lysosomal degradation, ceramide metabolism, dopamine metabolism, and oxidative stress response. We assessed APOE+/- PRSs. All comparisons included 14 risk factors: demographic (e.g., age), mobility (e.g., gait), lifestyle (e.g., physical activity), biomarkers (e.g., homocysteine), vascular (e.g., pulse pressure), and functional (grip strength). Random forest classifier models tested predictions across spectra, disaggregated by sex. SELECTED RESULTS: Overall, we observed in each spectrum (a) strong discrimination across cohorts, (b) varying leading predictors of same-spectra cohorts, and (c) different prediction patterns by sex. Example for AD spectrum: four leading predictors of SCI/AD in females were multi-mechanism AD-related (APOE) PRS, gait, age, and education (AUC=.81), whereas four leading predictors in males were amyloid-beta metabolism (APOE) PRS, lipid metabolism (APOE) PRS, LDL cholesterol, and vitamin B12 (AUC=.92). Example for LBD spectrum: four leading predictors of PD-MCI/LBD in females were multi-mechanism LBD-related PRS, ceramide metabolism PRS, education, and homocysteine (AUC=.77), whereas five leading predictors in males were multi-mechanism LBD-related (APOE) PRS, lysosomal degradation PRS, age, nutrition, and total bilirubin (AUC=.84). CONCLUSION: Integration of neurodegenerative disease-related PRSs and risk factors promotes precision identification of sex-specific cohort discrimination in the AD and LBD spectra.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».