Genome-wide approaches to antidepressant treatment: working towards understanding and predicting response
Notice bibliographique
Résumé
Antidepressants are among the most commonly prescribed drugs, and a range of medications are available. However, treatment response to a particular drug varies greatly between patients, with only 30% of patients responding well to the first treatment administered. Given evidence that antidepressant treatment response is a heritable trait, together with technological advances in genetic research, three recently published genome-wide investigations into antidepressant responses have examined the determinants of variability in treatment outcomes between depressed patients. Here, we review these studies within the context of wider research efforts to identify treatment response predictors. Some interesting genes have been implicated, but no variants have yet been robustly and reliably linked to response. This may suggest that genetic effect sizes are smaller than originally anticipated. Candidate gene approaches in these samples have lent support to the involvement of serotonergic, glutamatergic and stress-response systems in treatment response, although corroborative evidence from genome-wide analyses indicates these results should be interpreted cautiously. Closer examination of antidepressant response, considering it as a complex trait, has indicated that multiple genes of small effect are likely to be involved. Furthermore, there is some evidence that genetic influence on response to treatment may vary between patients with different symptom profiles or environmental exposures. This has implications for the translation of pharmacogenetic findings into clinical practice: genotypic information from multiple loci and data on non-genetic factors are likely to be needed to tailor antidepressant treatment to the individual patient.
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 | 0,001 | 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) | 0,000 | 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 ».