<i>CYP2C19</i> genotype predicts steady state escitalopram concentration in GENDEP
Notice bibliographique
Résumé
In vitro work shows CYP2C19 and CYP2D6 contribute to the metabolism of escitalopram to its primary metabolite, N-desmethylescitalopram. We report the effect of CYP2C19 and CYP2D6 genotypes on steady state morning concentrations of escitalopram and N-desmethylescitalopram and the ratio of this metabolite to the parent drug in 196 adult patients with depression in GENDEP, a clinical pharmacogenomic trial. Subjects who had one CYP2D6 allele associated with intermediate metabolizer phenotype and one associated with poor metabolizer (i.e. IM/PM genotypic category) had a higher mean logarithm escitalopram concentration than CYP2D6 extensive metabolizers (EMs) (p = 0.004). Older age was also associated with higher concentrations of escitalopram. Covarying for CYP2D6 and age, we found those homozygous for the CYP2C19*17 allele associated with ultrarapid metabolizer (UM) phenotype had a significantly lower mean escitalopram concentration (2-fold, p = 0.0001) and a higher mean metabolic ratio (p = 0.0003) than EMs, while those homozygous for alleles conferring the PM phenotype had a higher mean escitalopram concentration than EMs (1.55-fold, p = 0.008). There was a significant overall association between CYP2C19 genotypic category and escitalopram concentration (p = 0.0003; p = 0.0012 Bonferroni corrected). In conclusion, we have demonstrated an association between CYP2C19 genotype, including the CYP2C19*17 allele, and steady state escitalopram concentration.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».