Cytokine Genes <i>TNF</i>, <i>IL1A</i>, <i>IL1B</i>, <i>IL6</i>, <i>IL1RN</i> and <i>IL10</i>, and Childhood-Onset Mood Disorders
Notice bibliographique
Résumé
BACKGROUND/AIMS: Inflammatory cytokines induce a behavioral syndrome, known as sickness behavior, that strongly resembles symptoms typically seen in depression. This resemblance has led to the theory that an imbalance of inflammatory cytokine activity may be a contributing factor in depressive disorders. Support for this is found in multiple lines of evidence, such as the effects of cytokines on the activities of the hypothalamic-pituitary-adrenal axis, serotonin and brain-derived neurotrophic factor, and hippocampal function, all of which are implicated in the etiology of depression. In addition, associations between inflammatory activity and depressive symptomology have been documented in a number of studies, and the depressogenic effects of cytokine therapy are well known. Accordingly, given that depression has a substantial genetic basis, genes involved in the regulation of inflammatory cytokine activity are strong candidates for involvement in genetic susceptibility to depressive disorders. Here, we have tested 6 key genes of this type, TNF, IL1A, IL1B, IL6, IL1RN and IL10, as candidates for involvement in childhood-onset mood disorders. METHODS: In this study of 384 families, each ascertained through a child with depression diagnosed before the age of 15 years, 11 polymorphisms of known or likely functional significance (coding and regulatory variants) were analyzed. RESULTS: Testing for biased transmission of alleles from parents to their affected offspring, we found no evidence for an association between childhood-onset mood disorders and any of the polymorphisms, either individually or as haplotypes. CONCLUSION: The present study does not support the involvement of the TNF, IL1A, IL1B, IL6, IL1RN and IL10 variants as major genetic risk factors contributing to early-onset mood disorders.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,017 | 0,018 |
| Méta-épidémiologie (sens large) | 0,015 | 0,007 |
| Bibliométrie | 0,010 | 0,015 |
| Études des sciences et des technologies | 0,011 | 0,021 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,017 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».