論文の概要: Genetic Influences on Brain Aging: Analyzing Sex Differences in the UK Biobank using Structural MRI

• arxiv url: http://arxiv.org/abs/2505.20344v1
• Date: Sun, 25 May 2025 03:59:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.092493
• Title: Genetic Influences on Brain Aging: Analyzing Sex Differences in the UK Biobank using Structural MRI
• Title（参考訳）: 脳老化の遺伝的影響:構造MRIを用いた英国バイオバンクにおける性差の分析
• Authors: Karen Ardila, Aashka Mohite, Abdoljalil Addeh, Amanda V. Tyndall, Cindy K. Barha, Quan Long, M. Ethan MacDonald,
• Abstract要約: 脳の老化の軌跡は男性と女性によって異なるが、これらの違いの根底にある遺伝的要因は未解明のままである。 総脳,海馬,心室容積の脳年齢ギャップ推定値(BrainAGE)を算出した。 性別階層化ゲノムワイド・アソシエーション(GWAS)とポストGWAS(Post-GWAS)を用いて,脳老化の進行に伴う遺伝的変異を同定した。
• 参考スコア（独自算出の注目度）: 0.3441582801949977
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Brain aging trajectories differ between males and females, yet the genetic factors underlying these differences remain underexplored. Using structural MRI and genotyping data from 40,940 UK Biobank participants (aged 45-83), we computed Brain Age Gap Estimates (BrainAGE) for total brain, hippocampal, and ventricular volumes. We conducted sex-stratified genome-wide association studies (GWAS) and Post-GWAS analyses to identify genetic variants associated with accelerated brain aging. Distinct gene sets emerged by sex: in females, neurotransmitter transport and mitochondrial stress response genes were implicated; in males, immune and inflammation-related genes dominated. Shared genes, including GMNC and OSTN, were consistently linked to brain volumes across sexes, suggesting core roles in neurostructural maintenance. Tissue expression analyses revealed sex-specific enrichment in pathways tied to neurodegeneration. These findings highlight the importance of sex-stratified approaches in aging research and suggest genetic targets for personalized interventions against age-related cognitive decline.
• Abstract（参考訳）: 脳の老化の軌跡は男性と女性によって異なるが、これらの違いの根底にある遺伝的要因は未解明のままである。 40,940人の英国バイオバンク参加者(45～83歳)の脳年齢ギャップ推定値(BrainAGE)を用いて,全脳,海馬,心室容積を算出した。 性別階層化ゲノムワイド・アソシエーション(GWAS)とポストGWAS(Post-GWAS)を用いて,脳老化の進行に伴う遺伝的変異を同定した。 雌では神経伝達物質輸送とミトコンドリアストレス応答遺伝子が関与し、雄では免疫関連遺伝子と炎症関連遺伝子が支配的であった。 GMNCやOSTNを含む共有遺伝子は、性間の脳の体積と一貫して関連しており、神経構造維持における中心的な役割を示唆している。 組織発現解析により、神経変性に関連する経路における性特異的なエンリッチメントが明らかになった。 これらの知見は、高齢化研究における性階層化アプローチの重要性を強調し、年齢関連認知低下に対するパーソナライズされた介入のための遺伝的標的を提案する。

関連論文リスト

• Explainable Brain Age Gap Prediction in Neurodegenerative Conditions using coVariance Neural Networks [94.06526659234756]
  脳年齢差予測に対するブラックボックス機械学習アプローチは実用性に制限がある。 各種神経変性疾患に対する皮質厚み特徴を用いた脳年齢差の研究に,VNNに基づくアプローチを適用した。 以上の結果より,アルツハイマー病,前頭側頭型認知症,非定型パーキンソン病の脳年齢差の解剖学的特徴が明らかとなった。
  論文  参考訳（メタデータ） (2025-01-02T19:37:09Z)
• Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
  本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。 具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。 知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
  論文  参考訳（メタデータ） (2024-07-31T04:32:43Z)
• Towards a Foundation Model for Brain Age Prediction using coVariance Neural Networks [102.75954614946258]
  時間的年齢に関する脳年齢の増加は、神経変性と認知低下に対する脆弱性の増加を反映している。 NeuroVNNは、時系列年齢を予測するために、健康な人口の回帰モデルとして事前訓練されている。 NeuroVNNは、脳の年齢に解剖学的解釈性を加え、任意の脳のアトラスに従って計算されたデータセットへの転移を可能にする「スケールフリー」特性を持つ。
  論文  参考訳（メタデータ） (2024-02-12T14:46:31Z)
• Robust Brain Age Estimation via Regression Models and MRI-derived Features [2.028990630951476]
  本稿では,Open Big Healthy Brain (OpenBHB)データセットを用いた新しい脳年齢推定フレームワークを提案する。 提案手法は,MRIから得られた3つの領域的特徴と回帰モデルを統合し,脳年齢を高精度に推定する。
  論文  参考訳（メタデータ） (2023-06-08T19:07:22Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Predicting Brain Age using Transferable coVariance Neural Networks [119.45320143101381]
  我々は最近,サンプル共分散行列で動作する共分散ニューラルネットワーク(VNN)について検討した。 本稿では,大脳皮質厚みデータを用いた脳年齢推定におけるVNNの有用性を示す。 以上の結果から、VNNは脳年齢推定のためのマルチスケールおよびマルチサイト転送性を示すことが明らかとなった。 アルツハイマー病(AD)の脳年齢の文脈では,健常者に対してVNNを用いて予測される脳年齢がADに対して有意に上昇していることから,VNNの出力は解釈可能であることが示された。
  論文  参考訳（メタデータ） (2022-10-28T18:58:34Z)
• Model and predict age and sex in healthy subjects using brain white matter features: A deep learning approach [8.202227194197066]
  拡散MRIは、脳のWM構造を非侵襲的に記述する強力なツールを提供する。 ファイバクラスタに基づく拡散特性を抽出し、新しいアンサンブルニューラルネットワークを用いて性別と年齢を予測する。 我々は,Human Connectome Project (HCP) の若年成人データセットを用いて実験を行い,性別予測では94.82%,年齢予測では2.51歳,年齢予測では94.82%の精度で得られた。
  論文  参考訳（メタデータ） (2022-02-08T01:50:12Z)
• Brain Structural Saliency Over The Ages [0.41998444721319217]
  524名の小断面コホートからT1構造MRIボリュームのBA回帰モデルとしてResNetモデルを訓練した。 老化過程を通じて異なる脳領域への関連性の変化を示す。 地域によっては、年齢による関係が増大し、年齢による関係が減少する地域もある。
  論文  参考訳（メタデータ） (2022-01-12T09:50:29Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Causality based Feature Fusion for Brain Neuro-Developmental Analysis [26.218572787292427]
  脳の成熟中に情報の流れの方向を付加することを提案する。 その動機は、因果相互作用を包含することで、2つの年齢グループ間の脳のつながりをさらに区別できるということである。 その結果,若年者では接続の強度が有意に高かった。
  論文  参考訳（メタデータ） (2020-01-22T17:38:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。