Exemplar scoring identifies genetically separable phenotypes of lithium responsive bipolar disorder
Notice bibliographique
Résumé
Predicting lithium response (LiR) in bipolar disorder (BD) may inform treatment planning, but phenotypic heterogeneity complicates discovery of genomic markers. We hypothesized that patients with "exemplary phenotypes"-those whose clinical features are reliably associated with LiR and non-response (LiNR)-are more genetically separable than those with less exemplary phenotypes. Using clinical data collected from people with BD (n = 1266 across 7 centers; 34.7% responders), we computed a "clinical exemplar score," which measures the degree to which a subject's clinical phenotype is reliably predictive of LiR/LiNR. For patients whose genotypes were available (n = 321), we evaluated whether a subgroup of responders/non-responders with the top 25% of clinical exemplar scores (the "best clinical exemplars") were more accurately classified based on genetic data, compared to a subgroup with the lowest 25% of clinical exemplar scores (the "poor clinical exemplars"). On average, the best clinical exemplars of LiR had a later illness onset, completely episodic clinical course, absence of rapid cycling and psychosis, and few psychiatric comorbidities. The best clinical exemplars of LiR and LiNR were genetically separable with an area under the receiver operating characteristic curve of 0.88 (IQR [0.83, 0.98]), compared to 0.66 [0.61, 0.80] (p = 0.0032) among poor clinical exemplars. Variants in the Alzheimer's amyloid-secretase pathway, along with G-protein-coupled receptor, muscarinic acetylcholine, and histamine H1R signaling pathways were informative predictors. This study must be replicated on larger samples and extended to predict response to other mood stabilizers.
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) | 0,001 | 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 ».