使用有序β回归揭示了认知灵活性指数和正常和阿尔茨海默病病的病理衰老中的纵向认知训练特征

科学领域:

• 神经科学是一个神经科学.
• 行为科学 行为科学
• 统计建模 统计建模

背景情况:

• 通用线性混合模型 (GLMM) 在行为研究中广泛用于分析非正常分布数据.
• 顺序β回归 (OBR) 是一种用于分析百分比数据的新型统计工具.
• 将GLMM与OBR集成,为分析连续响应数据提供了先进的功能.

研究的目的:

• 为了研究3xTg-AD小鼠 (阿尔茨海默病模型) 和C57BL/6非转基因 (NTg) 小鼠之间的行为差异.
• 在莫里斯水迷宫 (MWM) 测试中分析小鼠行为,使用集成的GLMM-OBR方法.
• 识别游泳策略和认知灵活性中的基因型和性别相关差异.

主要方法:

• 长度研究涉及3xTg-AD和NTg小鼠 (n=37) 在12个月和16个月的年龄.
• 应用了与有序β回归 (OBR) 集成的通用线性混合模型 (GLMMs).
• 在三个莫里斯水迷宫 (MWM) 范式中分析游泳策略:提示,放置任务和移除.

主要成果:

• 在所有MWM范式中观察到游泳策略的基因型差异.
• 与3xTg-AD小鼠相比,NTg小鼠的直接搜索行为比例更高.
• 循环发作与3xTg-AD动物有关,一个新的"认知灵活性指数"检测到与性别相关的差异.

结论:

• 集成的GLMMs-OBR方法为MWM测试中的老鼠行为提供了全面的见解.
• 这种方法有效地阐明了衰老和阿尔茨海默病病理学对行为的影响.
• 该研究确定了与AD和认知灵活性相关的特定行为标记,包括性别差异.