Genetics of Obsessive-compulsive Disorder: From Phenotypes to Pharmacogenetics
Notice bibliographique
Résumé
Background: Obsessive-compulsive disorder (OCD) is a debilitating neuropsychiatric disorder that is characterized by a diverse clinical presentation. Evidence suggests genetic involvement in the etiology of OCD; however, genetic association studies have yielded mixed results partly due to clinical heterogeneity. Aims: We therefore investigated the genetics of OCD subphenotypes: age at onset (AAO), Yale-Brown Obsessive-Compulsive Scale (Y-BOCS) severity score and symptom dimensions, family history of obsessive-compulsive and related disorders (OCRDs), psychiatric comorbidities, and drug response. We first examined these subphenotypes to ascertain clinically homogeneous dimensions of OCD. We then analyzed these subphenotypes and antidepressant response for genetic association to identify marker(s) for each subphenotype. Methods: The sample consists of 560 OCD individuals. For the subphenotypic analyses, admixture analysis (STATA) was performed to analyze AAO and factor analysis (SPSS) was applied to reduce the Y-BOCS symptom checklist. Family history and psychiatric comorbidity were obtained using the modified Family History Index and SCID-IV interviews respectively. The candidate gene study investigated markers, mostly in the remote regulatory regions, of 17 candidates for association with subphenotypes in 497 OCD participants. Genome-wide association study was conducted in a subset of this sample to examine AAO and Y-BOCS severity. Retrospective antidepressant response data was available in 222 OCD individuals. Statistical analyses were performed using SPSS, PLINK, and R programs, comparing genotype frequencies between different subphenotype groups. Results: We identified early (
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; 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 ».