Networks of blood proteins in the neuroimmunology of schizophrenia
Notice bibliographique
Résumé
Levels of certain circulating cytokines and related immune system molecules are consistently altered in schizophrenia and related disorders. In addition to absolute analyte levels, we sought analytes in correlation networks that could be prognostic. We analyzed baseline blood plasma samples with a Luminex platform from 72 subjects meeting criteria for a psychosis clinical high-risk syndrome; 32 subjects converted to a diagnosis of psychotic disorder within two years while 40 other subjects did not. Another comparison group included 35 unaffected subjects. Assays of 141 analytes passed early quality control. We then used an unweighted co-expression network analysis to identify highly correlated modules in each group. Overall, there was a striking loss of network complexity going from unaffected subjects to nonconverters and thence to converters (applying standard, graph-theoretic metrics). Graph differences were largely driven by proteins regulating tissue remodeling (e.g. blood-brain barrier). In more detail, certain sets of antithetical proteins were highly correlated in unaffected subjects (e.g. SERPINE1 vs MMP9), as expected in homeostasis. However, for particular protein pairs this trend was reversed in converters (e.g. SERPINE1 vs TIMP1, being synthetical inhibitors of remodeling of extracellular matrix and vasculature). Thus, some correlation signals strongly predict impending conversion to a psychotic disorder and directly suggest pharmaceutical targets.
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) | 0,000 | 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) | 0,000 | 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 ».