Hauptseite > Publikationsdatenbank > Studying generalizable multivariate associations in biological sciences: brain structure, behavior and physical health |
Conference Presentation (Invited) | FZJ-2025-02766 |
; ; ;
2025
This record in other databases:
Please use a persistent id in citations: doi:10.34734/FZJ-2025-02766
Abstract: En biología es usual que exista covarianza entre múltiples variables. Para estudiar estos efectos multivariados, este trabajo utilizó análisis de correlación canónica (CCA) para identificar asociaciones entre neuroestructura, conducta y salud somática/física en humanos. Además, utilizamos aprendizaje automatizado (Machine Learning, ML) para capturar efectos generalizables (presentes en muestras independientes) y enfatizamos cómo evitar la filtración de datos, un problema común en ML. Más específicamente, asociamos espesor, área y volumen cortical (resonancia magnética T1) con 32 variables conductuales (vigilancia, emociones y cognición) (n=1047, 22-37 años; n=601, 36-100 años). También asociamos espesor cortical con salud física (68 factores de riesgo para enfermedades no transmisibles) (n=7370, 46-81 años). Los patrones corticales resultantes fueron comparados con biomarcadores funcionales, estructurales y moleculares. Identificamos un eje conductual con un polo asociado a emociones positivas y mayor rendimiento cognitivo y otro polo a emociones negativas y menor rendimiento cognitivo. Este eje se asoció con reducciones e incrementos en espesor, área y volumen en diferentes regiones corticales. Además, la salud cardiometabólica se asoció con reducciones e incrementos del espesor de distintas regiones corticales de manera consistente con la distribución de moléculas serotoninérgicas, dopaminérgicas y colinérgicas. Nuestros resultados que asocian neuroestructura y conducta reflejan la organización jerárquica de la corteza cerebral. Por ejemplo, menor espesor cortical en áreas asociativas se asoció con conductas beneficiosas. Adicionalmente, encontramos una asociación entre la salud cerebral y física, desafiando la categorización clásica de enfermedades neuropsiquiátricas y de salud física/general. Estos métodos lograron capturar asociaciones multivariadas interpretables y generalizables, recomendándose su uso en biología.
![]() |
The record appears in these collections: |