在基于个性化结构共变网络的轻度认知障碍中揭示异质性
Xiaotong Wei1, Ronglong Xiong1, Ping Xu1
1MOE Key Lab for Neuroinformation, School of Life Science and Technology, The Clinical Hospital of Chengdu Brain Science Institute, University of Electronic Science and Technology of China, Chengdu, 610054, China.
这项研究根据个体大脑网络的差异确定了两种不同的轻度认知障碍 (MCI) 亚型. 这些亚型表现出不同的疾病进展和独特的生物学特征,为MCI准确医学方法铺平了道路.
科学领域:
- 神经科学是一个神经科学.
- 脑部成像 脑部成像
- 计算生物学 计算生物学
背景情况:
- 轻度认知障碍 (MCI) 在临床和生物特征上呈现出显著的异质性.
- 在MCI中观察到大脑结构网络的破坏,由异常的区域间结构共变性表明.
- 以前的研究主要集中在群体层面的变化上,忽视了个体的变化.
研究的目的:
- 通过分析个人差异结构共变性网络 (IDSCN) 来研究轻度认知障碍 (MCI) 的异质性.
- 根据个体大脑网络的改变,识别出不同的MCI亚型.
- 描述已识别的MCI亚型之间的临床,结构和遗传差异.
主要方法:
- 利用来自ADNI (596 MCI,309 CN) 和OASIS-3 (122 MCI,117 CN) 数据集的T1加权MRI数据.
- 使用区域灰色物质体积构建的个人差异结构共变网络 (IDSCN).
- 应用K-means聚类来识别MCI亚型,并分析其临床,结构和基因表达特征.
主要成果:
- 在MCI患者中发现了结构性协同变异网络的显著变化,特别是涉及海马体,准海马圈和杏仁体.
- 确定了两种不同的MCI亚型,其中亚型1比亚型2更快地表现出疾病进展,在数据集中进行了验证.
- 亚型在认知表现,生物标志物,大脑缩模式和与金属离子运输和神经元投射发展相关的基因表达方面存在差异.
结论:
- 这项研究揭示了对轻度认知障碍 (MCI) 异质性的新见解.
- 识别不同的MCI亚型有助于为精准医学量身定制的治疗策略.
- 研究结果强调了个人层面的网络分析对于了解MCI进展和特征的重要性.
更多相关视频
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
08:43Application of Granger Causality Analysis of the Directed Functional Connection in Alzheimer's Disease and Mild Cognitive Impairment
Published on: August 7, 2017
相关概念视频
Alzheimer's Disease: Overview
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ...
Alzheimer Disease l: Introduction
Alzheimer Disease ll: Pathophysiology
