PS73. Changes in neuronal densities underlying transcriptional alterations in psychiatric patients
Notice bibliographique
Résumé
Abstract Introduction: High-throughput expression techniques are widely used to study psychiatric disorders. Genes found to be differentially expressed are next subjected to various network-enrichment analyses using resources such as Gene Ontology and protein-protein interaction databases. Such analyses are based on the assumption that the genes are interconnected by functional or physical interactions. However, the brain is composed of numerous cell-types, each expressing specific genes related to their function (e.g. oligodendrocytes express genes involved in synthesis of myelin). Thus, some of the differentially-expressed genes might be specific to different cell-types, rather than represent general transcriptional changes. Alternatively, the observed differential expression might result from alterations in cellular populations, for example as a result of cellular death. Indeed, evidence has accumulated regarding the involvement of neurodegeneration and neuroinflammation in psychiatric disorders (e.g., bipolar disorder and schizophrenia). Therefore, identifying the affected cell-types is crucial for proper analysis and interpretation of the gene expression data. Objectives: Given that the cell-type specific transcripts are known, changes in cellular populations can potentially be inferred from bulk-tissue expression data. However, reliable cellular markers don't exist for numerous cell types in the brain. To address this issue, we used publically available cell-type specific expression data from mouse brain to compile a marker-gene database for major brain cell-types. Interestingly, some of these genes (e.g. Cox6a2), are currently considered to be not expressed in the brain. Results and Conclusions: Using statistical methods, we inferred changes in several cellular populations in bipolar disorder and schizophrenic patients (170 bipolar and 160 schizophrenic samples in total). The inferred changes were similar across six different datasets analyzed, supporting the robustness of our method and are partially supported by previous studies using direct cell counting methods. The inferred changes were much more prominent in schizophrenic patients than in subjects with bipolar disorder.
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) | 0,000 | 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) | 0,007 | 0,001 |
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 ».