The role of genetic variation across IL-1β, IL-2, IL-6, and BDNF in antipsychotic-induced weight gain
Notice bibliographique
Résumé
OBJECTIVES: Antipsychotics with high weight gain-inducing propensities influence the expression of immune and neurotrophin genes, which have been independently related to obesity indices. Thus, we investigated whether variants in the genes encoding interleukin (IL)-1β, IL-2, and IL-6 and brain-derived neurotrophic factor (BDNF) Val66Met are associated with antipsychotic-induced weight gain (AIWG). METHODS: Nineteen polymorphisms were genotyped using Taqman(®) assays in 188 schizophrenia patients on antipsychotic treatment for up to 14 weeks. Mean weight change (%) from baseline was compared across genotypic groups using analysis of covariance (ANCOVA). Epistatic effects between cytokine polymorphisms and BDNF Val66Met were tested using Model-Based Multifactor Dimensionality Reduction. RESULTS: In European patients, IL-1β rs16944*GA (P = 0.013, Pcorrected = 0.182), IL-1β rs1143634*G (P = 0.001, Pcorrected = 0.014), and BDNF Val66Met (Val/Val, P = 0.004, Pcorrected = 0.056) were associated with greater AIWG, as were IL-1β rs4849127*A (P = 0.049, Pcorrected = 0.784), and IL-1β rs16944*GA (P = 0.012, Pcorrected = 0.192) in African Americans. BDNF Val66Met interacted with both IL-1β rs13032029 (Val/Met+ TT, PPerm = 0.029), and IL-6 rs2069837 (Val/Val+ AA, PPerm = 0.021) in Europeans, in addition to IL-1β rs16944 (Val/Val+ GA, PPerm = 0.006) in African Americans. CONCLUSIONS: SNPs across IL-1β and BDNF Val66Met may influence AIWG. Replication of these findings in larger, independent samples is warranted.
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 | 0,001 | 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) | 0,001 | 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 ».