Prolactin as a biomarker for treatment response and tardive dyskinesia in schizophrenia subjects: old thoughts revisited from a genetic perspective
Notice bibliographique
Résumé
Previous studies investigated whether prolactin (PRL) serum level was a biomarker of antipsychotic response, schizophrenia symptomatology, and tardive dyskinesia. Most of the findings support that antipsychotic drugs modulate PRL levels but PRL is not a steady indicator. Recent results suggest a genetic effect of PRL and PRL receptor (PRLR) polymorphisms in PRL levels indicating that independently of antipsychotic therapy subjects could have altered PRL levels due to their genetic background.We evaluated whether PRL and PRLR variants were associated with treatment outcome and tardive dyskinesia. We observed no association of PRL/PRLR polymorphism with treatment response (best genotypic results include PRL rs849885 and PRLR rs4703509 permuted p=0.326). Regarding tardive dyskinesia, the major allele of PRL rs37364 was nominally associated with risk for tardive dyskinesia in the European ancestry sub-sample (permuted p=0.183). Although we reported no significant associations, it is definitely worthy of investigation to see if together (genetic variants in the PRL system and PRL serum measures) could be a reliable biomarker for antipsychotic response and TD prevalence. Our results suggest that more studies in this context are required to shed light in the molecular mechanisms underlying antipsychotic response and tardive dyskinesia occurrence.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».