Maternal Stress Induces Epigenetic Signatures of Psychiatric and Neurological Diseases in the Offspring
Notice bibliographique
Résumé
The gestational state is a period of particular vulnerability to diseases that affect maternal and fetal health. Stress during gestation may represent a powerful influence on maternal mental health and offspring brain plasticity and development. Here we show that the fetal transcriptome, through microRNA (miRNA) regulation, responds to prenatal stress in association with epigenetic signatures of psychiatric and neurological diseases. Pregnant Long-Evans rats were assigned to stress from gestational days 12 to 18 while others served as handled controls. Gestational stress in the dam disrupted parturient maternal behaviour and was accompanied by characteristic brain miRNA profiles in the mother and her offspring, and altered transcriptomic brain profiles in the offspring. In the offspring brains, prenatal stress upregulated miR-103, which is involved in brain pathologies, and downregulated its potential gene target Ptplb. Prenatal stress downregulated miR-145, a marker of multiple sclerosis in humans. Prenatal stress also upregulated miR-323 and miR-98, which may alter inflammatory responses in the brain. Furthermore, prenatal stress upregulated miR-219, which targets the gene Dazap1. Both miR-219 and Dazap1 are putative markers of schizophrenia and bipolar affective disorder in humans. Offspring transcriptomic changes included genes related to development, axonal guidance and neuropathology. These findings indicate that prenatal stress modifies epigenetic signatures linked to disease during critical periods of fetal brain development. These observations provide a new mechanistic association between environmental and genetic risk factors in psychiatric and neurological disease.
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 ».