MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117260531 · doi:10.1002/alz70856_100814

Brain connectivity drives tau presence while regional vulnerability drives tau load in Alzheimer's disease

2025· article· en· W7117260531 sur OpenAlexaff
Yu Xiao, Nicola Spotorno, Lijun An, Vincent Bazinet, Justine Hansen, Olof Strandberg, Golia Shafiei, Harry H. Behjat, Erik Stomrud, Ruben Smith, Sebastian Palmqvist, Rik Ossenkoppele, Niklas Mattsson‐Carlgren, Alain Dagher, Bratislav Misic, Oskar H. Hansson, Jacob W. Vogel

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésDiseaseVulnerability (computing)Functional connectivityHuman brainCentral nervous system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Alzheimer's disease (AD) tau pathology is believed to propagate cell-to-cell through synaptic connections, but local properties - both intrinsic and dynamic - likely influence cellular vulnerability to tau accumulation. This study uses computational models to disentangle the roles of brain connectivity and regional vulnerability in determining where (presence) and how much (load) tau accumulates across brain regions. METHOD: We analyzed [18F]RO948-PET data across 66 Desikan-Killiany regions from 646 Aβ-positive participants (219 unimpaired, 212 mild cognitive impairment, 215 AD dementia) from the Swedish BioFINDER-2 study. tau-PET standardized uptake value ratios (SUVR) represented tau load. Tau presence was calculated as tau-PET-positive probabilities from Gaussian mixture models (Figure 1b,1c). The Susceptible-Infected-Removed (SIR) model simulated regional tau synthesis, misfold, clearance, and spread over a connectome, with a priori regional information influencing model parameters. Exploratory models used eight connectome types and 49 spatial maps of brain properties (Figure 1a,2a,2b), and were fit over whole-population and subtype-specific tau patterns. Pearson correlation between simulated and observed tau patterns assessed model performance. RESULT: Tau presence aligned better with Braak staging compared to tau load. SC-based models better explained tau presence than tau load (Figure 1d,1e), but including regional AD factors improved simulations more for tau load (Figure 1f,1g,2c). Exploratory analyses validated known mechanisms, including SC-guided spreading influencing by MAPT (misfolding/synthesis) and Aβ (spreading), but highlighted under-explored mechanisms like CSF clearance, developmental morphometry and various receptor distributions (Figure 2d,2e). Modeling tau propagation through receptor similarity networks yielded the best results overall. Subtype analyses reproduced known patterns for tau load patterns but no subtypes of tau presence emerged (Figure 3a,3b), suggesting consistent propagation pathways across individuals but variability in accumulation. Analyzing tau load subtypes, the MTL-sparing subtype originated in the precuneus and propagated through functional connections, unlike other subtypes originating in the entorhinal cortex and spreading anatomically (Figure 3c,3d). CONCLUSION: Tau presence follows a Braak-like pattern driven by connectivity, while tau load varies across people based on regional vulnerability. These findings validate known mechanisms but highlight under-explored contributions of receptor distributions to tau accumulation.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,046
Tête enseignante GPT0,299
Écart entre enseignants0,253 · 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 sujetFunctional Brain Connectivity Studies→Travaux en français237 207→