Gene expression changes associated with trajectories of psychopathology in a longitudinal cohort of children and adolescents
Notice bibliographique
Résumé
We aimed to identify blood gene expression patterns associated to psychopathological trajectories retrieved from a large community, focusing on the emergence and remission of general psychiatric symptoms. Hundred and three individuals from the Brazilian High-Risk Cohort Study (BHRCS) for mental disorders were classified in four groups according to Child Behavior Checklist (CBCL) total score at the baseline (w0) and after 3 years (w1): low-high (L-H) (N = 27), high-low (H-L) (N = 12), high-high (H-H) (N = 34) and low-low (L-L) groups (N = 30). Blood gene expression profile was measured using Illumina HT-12 Beadchips, and paired analyses comparing w0 and w1 were performed for each group. Results: 98 transcripts were differentially expressed comparing w0 and w1 in the L-H, 33 in the H-L, 177 in the H-H and 273 in the L-L. Of these, 66 transcripts were differentially expressed exclusively in the L-H; and 6 only in the H-L. Cross-Lagged Panel Models analyses revealed that RPRD2 gene expression at w1 might be influenced by the CBCL score at w0. Moreover, COX5B, SEC62, and NDUFA2 were validated with another technique and were also differentially regulated in postmortem brain of subjects with mental disorders, indicating that they might be important not only to specific disorders, but also to general psychopathology and symptoms trajectories. Whereas genes related to metabolic pathways seem to be associated with the emergence of psychiatric symptoms, mitochondrial inner membrane genes might be important over the course of normal development. These results suggest that changes in gene expression can be detected in blood in different psychopathological trajectories.
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 ».