NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), hem altta yatan genetik faktörler hem de nörogörüntüleme bulguları ile ilişkili ilerici bir nörodejeneratif bozukluktur. PD'deki genomla ilgili mevcut nörogörüntüleme çalışmaları çoğunlukla belirli aday genlere odaklanmıştır. Çalışmamızın amacı, geleneksel yaklaşımlara kıyasla klinik puanları daha iyi tahmin etmek için hem genetik hem de nörogörüntüleyici özellikler kullanarak doğrusal bir regresyon modeli oluşturmaktı. Bir araştırma veritabanından nörogörüntüleme ve DNA genotipleme verileri elde ettik. Sağlıklı kontrol (HC) ve PD grupları arasında ayrım yapabilen nörogörüntüleyici özellikleri tanımlamak için bağlantı analizi uygulandı. Genetik varyantları araştırmak için görüntüleme genetiği olarak bilinen genetik ve görüntüleme bilgilerinin ortak bir analizi uygulandı. Daha sonra, farklı genetik varyantları birleştirme ve Hareket Bozukluğu Topluluğu destekli birleşik Parkinson hastalığı derecelendirme ölçeğini (MDS-UPDRS) bir regresyon çerçevesinde tahmin etmek için nörogörüntüleme özelliklerini karşılaştırdık. İlişkisel korteks, motor korteks, talamus ve pallidum, HC ve PD grupları arasında önemli ölçüde farklı bir bağlantı gösterdi. Görüntüleme genetiği analizinde PARK2, PARK7, HtrA2, GIGYRF2 ve SNCA, görüntüleme fenotipleri ile önemli ölçüde ilişkili genetik varyantlar olarak tanımlanmıştır. Genetik ve nörogörüntüleme özelliklerini birleştiren doğrusal bir regresyon modeli, MDS-UPDRS'yi yalnızca genetik veya nörogörüntüleme bilgilerini kullanan diğer modellere kıyasla daha düşük hata ve gerçek MDS-UPDRS ile daha yüksek korelasyonla öngördü.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is a progressive neurodegenerative disorder associated with both underlying genetic factors and neuroimaging findings. Existing neuroimaging studies related to the genome in PD have mostly focused on certain candidate genes. The aim of our study was to construct a linear regression model using both genetic and neuroimaging features to better predict clinical scores compared to conventional approaches. We obtained neuroimaging and DNA genotyping data from a research database. Connectivity analysis was applied to identify neuroimaging features that could differentiate between healthy control (HC) and PD groups. A joint analysis of genetic and imaging information known as imaging genetics was applied to investigate genetic variants. We then compared the utility of combining different genetic variants and neuroimaging features for predicting the Movement Disorder Society-sponsored unified Parkinson's disease rating scale (MDS-UPDRS) in a regression framework. The associative cortex, motor cortex, thalamus, and pallidum showed significantly different connectivity between the HC and PD groups. Imaging genetics analysis identified PARK2, PARK7, HtrA2, GIGYRF2, and SNCA as genetic variants that are significantly associated with imaging phenotypes. A linear regression model combining genetic and neuroimaging features predicted the MDS-UPDRS with lower error and higher correlation with the actual MDS-UPDRS compared to other models using only genetic or neuroimaging information alone.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.