Combining schizophrenia and depression polygenic risk scores improves the genetic prediction of lithium response in bipolar disorder patients
Notice bibliographique
Résumé
Abstract Lithium is the gold standard therapy for Bipolar Disorder (BD) but its effectiveness differs widely between individuals. The molecular mechanisms underlying treatment response heterogeneity are not well understood, and personalized treatment in BD remains elusive. Genetic analyses of the lithium treatment response phenotype may generate novel molecular insights into lithium’s therapeutic mechanisms and lead to testable hypotheses to improve BD management and outcomes. We used fixed effect meta-analysis techniques to develop meta-analytic polygenic risk scores (MET-PRS) from combinations of highly correlated psychiatric traits, namely schizophrenia (SCZ), major depression (MD) and bipolar disorder (BD). We compared the effects of cross-disorder MET-PRS and single genetic trait PRS on lithium response. For the PRS analyses, we included clinical data on lithium treatment response and genetic information for n = 2283 BD cases from the International Consortium on Lithium Genetics (ConLi + Gen; www.ConLiGen.org ). Higher SCZ and MD PRSs were associated with poorer lithium treatment response whereas BD-PRS had no association with treatment outcome. The combined MET2-PRS comprising of SCZ and MD variants (MET2-PRS) and a model using SCZ and MD-PRS sequentially improved response prediction, compared to single-disorder PRS or to a combined score using all three traits (MET3-PRS). Patients in the highest decile for MET2-PRS loading had 2.5 times higher odds of being classified as poor responders than patients with the lowest decile MET2-PRS scores. An exploratory functional pathway analysis of top MET2-PRS variants was conducted. Findings may inform the development of future testing strategies for personalized lithium prescribing in BD.
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) | 0,001 | 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 ».