MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117259059 · doi:10.1002/alz70856_098641

Genetic architecture of the limbic white matter microstructure in aging and Alzheimer's Disease

2025· article· en· W7117259059 sur OpenAlexaff
Anna Lorenz, Aditi Sathe, Yisu Yang, Alaina Durant, Yiyang Wu, Michael E. Kim, Chenyu Gao, Nancy R. Newlin, Karthik Ramadass, Praitayini Kanakaraj, Nazirah Mohd Khairi, Zhiyuan Li, Tianyuan Yao, Yuankai Z Huo, Logan Dumitrescu, Niranjana Shashikumar, Kimberly R. Pechman, Shannon L Risacher, Lori L. Beason‐Held, Yang An, Konstantinos Arfanakis, Guray Erus, Christos Davatzikos, Mohamad Habes, Di Wang, Duygu Tosun, Arthur W. Toga, Paul M. Thompson, Elizabeth C. Mormino, Panpan Zhang, Kurt Schilling, Marilyn S. S. Albert, Walter W. Kukull, Sarah Biber, Bennett A. Landman, Sterling C Johnson, Barbara B. Bendlin, Julie A Schneider, Lisa Laverne Barnes, David A. A. Bennett, Angela L. Jefferson, Susan M. Resnick, Andrew Joel Saykin, Timothy J. Hohman, Derek B. Archer, Alzheimer's Disease Neuroimaging Initiative (ADNI), The BIOCARD Study Team, The Alzheimer's Disease Sequencing Project (ADSP)

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésDiseaseInflammationWhite matterGenetic architectureVascular diseaseSenescenceCellular architecture

Résumé

récupéré en direct d'OpenAlex

Abstract Background Limbic white matter (WM) abnormalities are strongly elevated along the Alzheimer's Disease (AD) diagnostic continuum, but the underlying biological mechanisms remain unclear. This study aims to conduct a large‐scale genetic analysis of WM microstructure in older adults. Method WM was assessed in seven limbic tracts, including the cingulum, fornix, inferior longitudinal fasciculus (ILF), uncinate fasciculus (UF), and transcallosal tracts of the inferior, middle, and superior temporal gyri (ITG, MTG, STG) using advanced diffusion MRI metrics corrected for free‐water (FW) (fractional anisotropy [FA FWcorr ], axial diffusivity [AxD FWcorr ], mean diffusivity [MD FWcorr ], radial diffusivity [RD FWcorr ]). Genetic associations with WM microstructure were investigated using harmonized data from seven aging cohorts, comprising 2,614 non‐Hispanic white older adults (mean age = 73.66 ± 9.76; 42.65% male), through SNP‐heritability estimation, genome‐wide association studies (GWAS), and post‐GWAS analyses (genetic correlation, gene‐level, and pathway analysis). Bulk RNA‐seq brain data were used to evaluate the relationship between expression of genes identified in the GWAS with cognition and AD pathologies. Result WM microstructure is heritable, with 16 of 35 metrics exhibiting estimates between 0.26 and 0.60 (p FDR <0.05). Genome‐wide associations ( p <5×10 −8 ) were observed for fornix AxD FWcorr (chr3, rs78407651), ILF FA FWcorr (chr15, rs8026709) and AxD FWcorr (chr15, rs8026709), STG RD FWcorr (chr10, rs11542181), and cingulum RD FWcorr (chr6, rs56017587). A locus with 38 genome‐wide significant SNPs (chr18, rs12959877) was associated with FA FWcorr and RD FWcorr (Figure 1). These SNPs are eQTLs for CDH19 , a gene highly expressed in oligodendrocytes with a role in cell adhesion. Among the genes identified in the GWAS, RORA , FAM107 and KC6 expression in brain tissues was linked to cognitive decline and AD pathologies (p FDR <.05). Gene‐level analysis highlighted SERPINA12 (z=4.60, p FDR =.03), a gene implicated in type 2 diabetes and atherosclerosis. Pathway analysis revealed associations with insulin, immune response, and neurotrophic signaling. Genetic correlations were identified with lipid profiles, cardiovascular traits, and neuropsychiatric conditions (p FDR <.05). Conclusion This study identified genetic factors related to cognition, vascular health, and inflammation as contributors to WM microstructure changes in aging and AD. These findings open avenues for future research on AD's molecular mechanisms and therapeutic targets for improving vascular and metabolic health in aging populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,295
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→