Genomewide interaction and enrichment analysis on antidepressant response
Notice bibliographique
Résumé
BACKGROUND: Genomewide association studies (GWASs) on antidepressant efficacy have yielded modest results. A possible reason is that response is influenced by other factors, which possibly interact with genetic variation. We used a GWAS model to predict antidepressant response, by including predictors previously known to affect response, such as quality of life (QoL). We also evaluated the association between genes, previously implicated in gene-environment (G × E) interactions, and response using an enrichment analysis. METHOD: We examined a sample of 1426 depressed patients from the Sequenced Treatment Alternatives to Relieve Depression (STAR*D) trial: 774 responders, 652 non-responders and 418,865 single nucleotide polymorphisms (SNPs) were analysed. First, in a GWAS model, we investigated whether genetic variations interact with patients' levels of QoL to predict response, after controlling for demographic characteristics, severity and population stratification. Second, we conducted an enrichment analysis exploring whether candidate genes that have emerged from prior G × E interaction studies on depression are associated with treatment response. RESULTS: The GWAS model, with QoL as a moderator, yielded one SNP (rs520210) associated with response in the NEDD4L gene (p = 3.64 × 10⁻⁸). In the Caucasian sample only, we observed a drop in significance for this SNP. The enrichment analysis showed that SNPs within serotonergic genes contained more significant markers that predicted response, compared with a random set of genes in the genome. CONCLUSIONS: Our findings point to possible target genes, which are proposed for further independent replication. Our enrichment analysis provides further support, in a genomewide context, of the role of serotonergic genes in influencing antidepressant response.
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 | 0,001 |
| 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) | 0,000 | 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 ».