Treatment-emergent and trajectory-based peripheral gene expression markers of antidepressant response
Notice bibliographique
Résumé
Identifying biomarkers of antidepressant response may advance personalized treatment of major depressive disorder (MDD). We aimed to identify longitudinal changes in gene expression associated with response to antidepressants in a sample of MDD patients treated with escitalopram. Patients (N = 153) from the CAN-BIND-1 cohort were treated for 8 weeks, and depressive symptoms were assessed using the Montgomery-Åsberg Depression Rating Scale at 0, 2, 4, 6, and 8 weeks. We identified three groups of patients according to response status: early responders (22.9%), later responders (32.0%), and nonresponders (45.1%). RNA sequencing was performed in blood obtained at weeks 0, 2, and 8. RNA expression was modeled using growth models, and differences in the longitudinal changes in expression according to response were investigated using multiple regression models. The expression of RNAs related to response was investigated in the brains of depressed individuals, as well as in neuronal cells in vitro. We identified four RNAs (CERCAM, DARS-AS1, FAM228B, HBEGF) whose change over time was independently associated with a response status. For all except HBEGF, responders showed higher expression over time, compared to nonresponders. While the change in all RNAs differentiated early responders from nonresponders, changes in DARS-AS1 and HBEGF also differentiated later responders from nonresponders. Additionally, HBEGF was downregulated in the brains of depressed individuals, and increased in response to escitalopram treatment in vitro. In conclusion, using longitudinal assessments of gene expression, we provide insights into biological processes involved in the intermediate stages of escitalopram response, highlighting several genes with potential utility as biomarkers of antidepressant response.
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 ».