自激人口事件模型揭示 MAPT 突变人脑组装体中的异常时间放大效应

由 root 提交于 周四, 10/15/2026 - 01:03
摘要

人脑组装体为研究突变特异性网络功能障碍提供了一个易于操作的平台,但大多数研究并未区分异常活动是源于自发启动增加,还是源于更强的历史依赖性放大。我们针对钙成像事件序列提出了一种低维离散时间自激群体模型,用以区分基线启动水平 (%[mu])、历史依赖性增益的积分值 (%[eta]) 和记忆衰减 (%[tau])。在来自 13 个 MAPT p.R406W 突变组装体或经 CRISPR 校正的同基因组组装体的 175 次记录中,以生物学实验单位进行的推断发现,突变组装体的 %[eta] 增加了 4.31 倍(95% CI 3.20–5.84;精确 p=7.8×10-4),而基线活动未见增加。参数预测检验揭示了残余的泊松过度离散;尽管如此,固定衰减和 beta-二项敏感性分析仍支持突变组装体存在历史效应。中位 %[eta] 可区分全部 13 个留出组装体;在嵌套式整组装体留出验证中,多特征记录级 RBF-SVM 的 AUC 达到 0.816。这些结果表明,稳健的历史依赖性时间放大是 MAPT 突变网络的一种功能表型。

自激发群体事件模型揭示 MAPT 突变人脑组装体中的异常时间放大 | bioRxiv

跳转至主要内容

主页

关于

投稿

提醒 / RSS

搜索此关键词

高级搜索

最新结果

自激发群体事件模型揭示 MAPT 突变人脑组装体中的异常时间放大

查看 ORCID 个人资料

Tonmoy Monsoor

,

查看 ORCID 个人资料

Colin M. McCrimmon

,

查看 ORCID 个人资料

Prateik Sinha

,

查看 ORCID 个人资料

Lina Zhang

,

查看 ORCID 个人资料

Manoj Reddy Dareddy

,

查看 ORCID 个人资料

Mehmet Efe Lorasdagi

,

查看 ORCID 个人资料

Ranmal A. Samarasinghe

,

查看 ORCID 个人资料

Vwani Roychowdhury

doi:

https://doi.org/10.64898/2026.10.01.756068

Tonmoy Monsoor

1

加利福尼亚大学洛杉矶分校;

在 Google Scholar 中查找该作者

在 PubMed 中查找该作者

在本网站搜索该作者

ORCID 记录:Tonmoy Monsoor

Colin M. McCrimmon

1

加利福尼亚大学洛杉矶分校;

在 Google Scholar 中查找该作者

在 PubMed 中查找该作者

在本网站搜索该作者

ORCID 记录:Colin M. McCrimmon

Prateik Sinha

2

卡内基梅隆大学

在 Google Scholar 中查找该作者

在 PubMed 中查找该作者

在本网站搜索该作者

ORCID 记录:Prateik Sinha

通讯作者:

prateiks{at}cs.cmu.edu

Lina Zhang

1

加利福尼亚大学洛杉矶分校;

在 Google Scholar 中查找该作者

在 PubMed 中查找该作者

在本网站搜索该作者

ORCID 记录:Lina Zhang

Manoj Reddy Dareddy

1

加利福尼亚大学洛杉矶分校;

在 Google Scholar 中查找该作者

在 PubMed 中查找该作者

在本网站搜索该作者

ORCID 记录:Manoj Reddy Dareddy

Mehmet Efe Lorasdagi

1

加利福尼亚大学洛杉矶分校;

在 Google Scholar 中查找该作者

在 PubMed 中查找该作者

在本网站搜索该作者

Mehmet Efe Lorasdagi 的 ORCID 记录

Ranmal A. Samarasinghe

1

加利福尼亚大学洛杉矶分校;

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站搜索该作者

Ranmal A. Samarasinghe 的 ORCID 记录

Vwani Roychowdhury

1

加利福尼亚大学洛杉矶分校;

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站搜索该作者

Vwani Roychowdhury 的 ORCID 记录

摘要

信息/历史

指标

PDF 预览

摘要

人脑组装体为研究突变特异性网络功能障碍提供了一个可行平台,但大多数研究并未区分异常活动是源于自发起始增加,还是源于更强的历史依赖性放大。我们提出一种用于钙成像事件序列的低维离散时间自激群体模型,可将基线起始率(%[mu])、历史依赖性增益的积分值(%[eta])和记忆衰减(%[tau])分别量化。在来自 13 个 MAPT p.R406W 突变或经 CRISPR 校正的同基因组组装体的 175 条记录中,以生物学单位进行推断发现,突变体的 %[eta] 增加了 4.31 倍(95% 置信区间:3.20–5.84;精确 p=7.8×10⁻⁴),而基线活动并未增加。参数预测检验揭示了残余的泊松过度离散;然而,固定衰减和 beta-二项敏感性分析仍支持突变体的历史效应。中位 %[eta] 可区分全部 13 个留出的组装体;在嵌套式整组装体留出验证中,多特征记录级 RBF-SVM 的 AUC 达到 0.816。这些结果表明,稳健的历史依赖性时间放大是 MAPT 突变网络的一种功能表型。

利益冲突声明

作者声明不存在利益冲突。

版权

版权

本预印本的权利持有人为作者/资助方,其已授予 bioRxiv 永久展示该预印本的许可。

本内容依据 CC-BY-NC 4.0 International 许可协议提供。

返回顶部

上一篇

下一篇

发布于 2026 年 10 月 8 日。

下载 PDF

电子邮件

感谢您有意向他人分享 bioRxiv 上的内容。

注意:要求提供您的电子邮件地址,仅用于确认您是本文的发送者。

您的电子邮件地址

*

您的姓名

*

发送至

*

请输入多个地址,每行一个,或用逗号分隔。

您将要发送以下内容:

自激人口事件模型揭示 MAPT 突变人脑组装体中的异常时间放大

邮件主题

(您的姓名)通过 bioRxiv 转发了一个网页给您

邮件正文

(您的姓名)认为您可能会对 bioRxiv 网站上的这个页面感兴趣。

您的个人留言

验证码

此问题用于测试您是否为真实访客,并防止自动垃圾信息提交。

分享

自激人口事件模型揭示 MAPT 突变人脑组装体中的异常时间放大

Tonmoy Monsoor、Colin M. McCrimmon、Prateik Sinha、Lina Zhang、Manoj Reddy Dareddy、Mehmet Efe Lorasdagi、Ranmal A. Samarasinghe、Vwani Roychowdhury

bioRxiv

2026.10.01.756068;

doi:https://doi.org/10.64898/2026.10.01.756068

分享本文:

复制

引用工具

自激人口事件模型揭示 MAPT 突变人脑组装体中的异常时间放大

Tonmoy Monsoor、Colin M. McCrimmon、Prateik Sinha、Lina Zhang、Manoj Reddy Dareddy、Mehmet Efe Lorasdagi、Ranmal A. Samarasinghe、Vwani Roychowdhury

bioRxiv

2026.10.01.756068;

doi:https://doi.org/10.64898/2026.10.01.756068

引文管理器格式

BibTeX

Bookends

EasyBib

EndNote(标记格式)

EndNote 8(xml)

Medlars

Mendeley

Papers

RefWorks Tagged

Ref Manager

RIS

Zotero

推文小工具

Facebook 点赞

Google +1

学科领域

所有文章

动物行为与认知

(8100)

生物化学

(18915)

生物工程

(15076)

生物信息学

(44894)

生物物理学

(22799)

癌症生物学

(19934)

细胞生物学

(27142)

临床试验

(138)

发育生物学

(14065)

生态学

(21237)

流行病学

(2067)

进化生物学

(25635)

遗传学

(16270)

基因组学

(23671)

免疫学

(18867)

微生物学

(42873)

分子生物学

(18221)

神经科学

(94372)

古生物学

(708)

病理学

(3011)

药理学与毒理学

(5142)

生理学

(8204)

植物生物学

(16151)

科学传播与教育

(2106)

合成生物学

(4604)

系统生物学

(10323)

动物学

(2405)

关键词:MAPT突变 · 人脑组装体 · 自激群体模型 · 历史依赖性放大 · 钙成像

原文链接:https://www.biorxiv.org/content/10.64898/2026.10.01.756068v1?rss=1