NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Depresyon, Parkinson hastalığında en yaygın ve önemli nöropsikiyatrik semptomlardan biridir ve Parkinson hastalığı ilerledikçe sıklıkla daha da kötüleşir. Bununla birlikte, Parkinson hastalığında depresyonun altında yatan mekanizmalar net değildir. Çalışmamızın amacı, Parkinson hastalığındaki depresyonla ilgili genetik özellikleri görüntüleme genetiği yaklaşımı kullanarak bulmak ve Parkinson hastalığındaki depresyonun derecesini tahmin etmek için analitik bir model oluşturmaktı. Nörogörüntüleme ve genotipleme verileri, açık erişimli bir veritabanından elde edildi. Difüzyon tensör görüntülemenin sistemografisinden elde edilen bağlantı analizi ile görüntüleme özelliklerini hesapladık. Görüntüleme özellikleri, görüntüleme genetiği yaklaşımına göre genetik varyantları tanımlamak için ara fenotip olarak kullanılmıştır. Daha sonra, depresyon derecesini gösteren klinik skorları tanımlamak için görüntüleme genetiği yaklaşımından genetik özellikleri kullanarak doğrusal bir regresyon modeli oluşturduk. Karşılaştırma olarak, görüntüleme genetik modelimizin etkinliğini göstermek için görüntüleme özellikleri ve referanslara dayalı genetik özellikler kullanarak başka modeller inşa ettik. Modeller beş katlı çapraz doğrulamada eğitildi ve test edildi. Görüntüleme genetiği yaklaşımı, anlamlı biyobelirteçler olarak kullanılma potansiyeli olan birkaç beyin bölgesini ve depresyonda yer aldığı bilinen genleri tanımladı. Görüntüleme genetik özelliklerini kullanarak önerilen modelimiz, Parkinson hastalığındaki depresyon derecesini uygun bir şekilde tahmin etti ve açıkladı (beş eğitim kıvrımı üzerinde 0.6'dan daha büyük R2 ayarlandı) ve beş test kıvrımı üzerindeki diğer modellere göre daha düşük bir hata ve daha yüksek korelasyon ile.
Özgün kaynak özetini okuyun
Depression is one of the most common and important neuropsychiatric symptoms in Parkinson's disease and often becomes worse as Parkinson's disease progresses. However, the underlying mechanisms of depression in Parkinson's disease are not clear. The aim of our study was to find genetic features related to depression in Parkinson's disease using an imaging genetics approach and to construct an analytical model for predicting the degree of depression in Parkinson's disease. The neuroimaging and genotyping data were obtained from an openly accessible database. We computed imaging features through connectivity analysis derived from tractography of diffusion tensor imaging. The imaging features were used as intermediate phenotypes to identify genetic variants according to the imaging genetics approach. We then constructed a linear regression model using the genetic features from imaging genetics approach to describe clinical scores indicating the degree of depression. As a comparison, we constructed other models using imaging features and genetic features based on references to demonstrate the effectiveness of our imaging genetics model. The models were trained and tested in a five-fold cross-validation. The imaging genetics approach identified several brain regions and genes known to be involved in depression, with the potential to be used as meaningful biomarkers. Our proposed model using imaging genetic features predicted and explained the degree of depression in Parkinson's disease appropriately (adjusted R2 larger than 0.6 over five training folds) and with a lower error and higher correlation than with other models over five test folds.
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.