<scp>RNA</scp>‐sequencing profiles hippocampal gene expression in a validated model of cancer‐induced depression
Notice bibliographique
Résumé
To investigate the pathophysiology of cancer-induced depression (CID), we have recently developed a validated CID mouse model. Given that the efficacy of antidepressants in cancer patients is controversial, it remains unclear whether CID is a biologically distinct form of depression. We used RNA-sequencing (RNA-seq) to investigate differentially expressed genes (DEGs) in hippocampi of animals from our CID model relative a positive control model of depressive-like behavior induced with chronic corticosterone (CORT). To validate RNA-seq results, we performed quantitative real-time RT-PCR (qRT-PCR) on a subset of DEGs. Enrichment analysis using DAVID was performed on DEGs to identify enriched Kyoto Encyclopedia of Genes and Genomes (KEGG) pathways and biological process gene ontologies (GO:BP). qRT-PCR results significantly predicted RNA-seq results. RNA-seq revealed that most DEGs identified in the CORT model overlapped with the CID model. Enrichment analyses identified KEGG pathways and GO:BP terms associated with ion homeostasis and neuronal communication for both the CORT and CID model. In addition, CID DEGs were enriched in pathways and terms relating to neuronal development, intracellular signaling, learning and memory. This study is the first to investigate CID at the mRNA level. We have shown that most hippocampal mRNA changes that are associated with a depressive-like state are also associated with cancer. Several other changes occur at the mRNA level in cancer, suggesting that the CID model may represent a biologically distinct form of a depressive-like state.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».