MétaCan
Menu
Retour à la cohorte
Enregistrement W3019382392 · doi:10.1101/2020.04.24.058610

Molecular Characterization of Depression Trait and State

2020· preprint· en· W3019382392 sur OpenAlexaff
Rammohan Shukla, Dwight F. Newton, Akiko Sumitomo, Habil Zare, Robert E. McCullumsmith, David A. Lewis, Toshifumi Tomoda, Etienne Sibille

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueTryptophan and brain disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMajor depressive disorderTranscriptomeMonoaminergicNeuroscienceBiologyBioinformaticsPsychologyGeneGeneticsCognitionGene expression

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Major Depressive disorder (MDD) is a chronic and recurrent brain disorder characterized by episode and remission phases, and poor therapeutic responses. The molecular correlates of MDD have been investigated in case-control settings, but the biological changes associated with trait (regardless of episode/remission) or state (illness phases) remains largely unknown, hence preventing therapeutic opportunities. To address this gap, we generated transcriptome profiles in the subgenual anterior cingulate cortex of MDD subjects who died during a single or recurrent episode or when in remission. We show that biological changes associated with MDD trait (inflammation, immune activation, reduced bioenergetics) are distinct from those associated with MDD phases or state (neuronal structure and function, neurotransmission). On the cell-type level, gene variability in subsets of GABAergic interneurons positive for corticotropin-releasing hormone, somatostatin or vasoactive-intestinal peptide was associated with MDD phases. Applying a probabilistic Bayesian network approach, we next show that gene modules enriched for immune system activation, cytokine response and oxidative stress, may exert causal roles across MDD phases. Finally, using a database of drug-induced transcriptome perturbations, we show that MDD-induced changes in putative causal pathways are antagonized by families of drugs associated with clinical response, including dopaminergic and monoaminergic ligands, and uncover potential novel therapeutic targets. Collectively, these integrative transcriptome analyses provide novel insight into cellular and molecular pathologies associated with trait and state MDD, and a method of drug discovery focused on disease-causing pathways. One Sentence Summary Integrating transcriptomic with various in-silico analyses identified cellular, molecular and putative biological causal pathways in trait and state depression

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,217
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetTryptophan and brain disordersTravaux en français237 207