Pharmacogenomic predictors of citalopram treatment outcome in major depressive disorder
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
OBJECTIVES: A significant proportion of patients with major depressive disorder (MDD) do not improve following treatment with first-line antidepressants and, currently, there are no objective indicators of predictors of antidepressant response. The aim of this study was to investigate pre-treatment peripheral gene expression differences between future remitters and non-responders to citalopram treatment and identify potential pharmacogenomic predictors of response. METHODS: We conducted a gene expression study using Affymetrix HG-U133 Plus2 microarrays in peripheral blood samples from untreated individuals with MDD (N = 77), ascertained at a community outpatient clinic, prior to an 8-week treatment with citalopram. Gene expression differences were assessed between remitters and non-responders to treatment. Technical validation of significant probesets was carried out by qRT-PCR. RESULTS: A total of 434 probesets displayed significant correlation to change in score and 33 probesests were differentially expressed between eventual remitters and non-responders. Probesets for SMAD 7 (SMA- and MAD-related protein 7) and SIGLECP3 (sialic acid-binding immunoglobulin-like lectin, pseudogene 3) were the most significant differentially expressed genes following FDR correction, and both were down-regulated in individuals who responded to treatment. CONCLUSIONS: These findings point to SMAD7 and SIGLECP3 as candidate predictive biomarkers of 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.
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) | 0,001 | 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 découle