Epigenetics and bipolar disorder: New opportunities and challenges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite significant effort, understanding of the molecular causes and mechanisms of bipolar disorder (BD) remains a major challenge. Numerous molecular genetic linkage and association studies have been conducted over the last two decades; however, the data are quite inconsistent or even controversial. This article develops an argument that molecular studies of BD would benefit significantly from adding an epigenetic (epiG) perspective. EpiG factors refer to modifications of DNA and chromatin that "orchestrate" the activity of the genome, including regulation of gene expression. EpiG mechanisms are consistent with various non-Mendelian features of BD such as the relatively high degree of discordance in monozygotic (MZ) twins, the critical age group for susceptibility to the disease, clinical differences in males and females, and fluctuation of the disease course, including interchanges of manic and depressive phases, among others. Apart from the phenomenological consistency, molecular epiG peculiarities may shed new light on the understanding of controversial molecular genetic findings. The relevance of epigenetics for the molecular studies of BD is demonstrated using the examples of genetic studies of BD on chromosome 11p and the X chromosome. A spectrum of epiG mechanisms such as genomic imprinting, tissue-specific effects, paramutagenesis, and epiG polymorphism, as well as epiG regulation of X chromosome inactivation, is introduced. All this serves the goal of demonstrating that epiG factors cannot be ignored anymore in complex phenotypes such as BD, and systematic large-scale epiG studies of BD have to be initiated.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle