MétaCan
Menu
← Retour à la cohorte
Enregistrement W3023243165 · doi:10.1210/jendso/bvaa046.1034

SUN-722 Liver Leptin Receptor Gene Network Moderates the Effects of Early Life Adversity on Anxiety and Depression Problems in Children and Adolescents

2020· article· en· W3023243165 sur OpenAlexaff
Randriely Merscher Sobreira de Lima, Bárbara Barth, Danusa Mar Arcego, Euclides José de Mendonça Filho, Sachin Patel, Zihan Wang, Irina Pokhvisneva, Roberto B. Sassi, Geoffrey B. Hall, Ana Paula Santana de Vasconcellos Bittencourt, Michael J. Meaney, Carla Dalmaz, Patrícia Pelufo Silveira

Notice bibliographique

RevueJournal of the Endocrine Society · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensMcMaster UniversityDouglas Mental Health University InstituteMcGill University
Organismes subventionnairesnon disponible
Mots-clésLeptinCohortAnxietyLeptin receptorInternal medicineEndocrinologyHypothalamusDepression (economics)MedicineLongitudinal studyObesityPsychologyPsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Leptin is a hormone involved in the regulation of food intake, with receptors largely expressed centrally and peripherally, in structures like the hypothalamus and the liver. Beyond its well-known actions as an energy-balance regulator, leptin is linked to psychiatric disorders. Considering that the association between genetic and early environmental factors contributes to psychopathology, disruptions of leptin signaling could be a key mechanism in this interaction. To investigate this possibility, we created an expression-based polygenic risk score (ePRS) reflecting variations in the function of the LepR gene network in the liver and hypothalamus, and investigated its interaction with postnatal adversity on Child Behavior Checklist in 4 years old children (main cohort: MAVAN, N=137) and 17 years old teenagers (Replication Cohort: ALSPAC, N=2630). There is an interaction effect between adversity exposure and liver-based LepR-ePRS, increasing depressive and anxiety problems on the MAVAN cohort (β=78.16, p=0.02, β=83.77, p=0.01). In ALSPAC, the results were replicated, showing an interaction between adversity exposure and liver-based LepR-ePRS, increasing the depression score and somatic symptoms (β=24.65, p=0.005; β=33.51, p=0.009). No significant interactions were found using the hypothalamus-based LepR-ePRS (p>0.05), suggesting specificity for the liver LepR gene network to predict these behavioral outcomes. A parallel-independent component analysis showed relationships between the SNPs from the liver ePRS-LepR and gray matter density in cortical areas involved in emotion regulation (middle frontal gyrus, inferior parietal lobule and anterior cingulate). Finally, the relationship between gene and MRI components in this analysis is moderated by the history of early life adversity exposure. Enrichment analysis of the liver LepR co-expression network shows that these genes are related to biological processes including regulation of glucose transport, cholesterol metabolism and cellular glucose homeostasis, which indicates possible underlying mechanisms linking peripheral metabolism-related gene expression and the development of emotional symptoms. Our data supports the hypothesis that exposure to early adversity affects emotional behavior, and the liver LepR gene network is an important moderator of these effects. Further studies on development of emotional symptoms should consider metabolic markers to understand these complex phenotypes.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0030,000

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 Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Endocrine Society→Même sujetAdipose Tissue and Metabolism→Travaux en français237 207→