Individualized Functional Connectome Identified Replicable Biomarkers for Dysphoric Symptoms in First-Episode Medication-Naïve Patients With Major Depressive Disorder
Notice bibliographique
Résumé
Background: Major depressive disorder (MDD) is a heterogeneous syndrome and can be conceptualized as a mixture of dimensional abnormalities across several specific brain circuits. The neural underpinnings of different symptom dimensions in MDD remain elusive. Here, we aimed to identify robust, generalizable brain-based biomarkers for different symptom dimensions in MDD, using individualized functional connectomes. Methods: Patterns of functional connectivity (FC) associated with symptom severity were identified using a novel individualized functional network parcellation analysis in conjunction with hierarchical clustering. Dimension-specific prediction models were trained to estimate symptom severity in first-episode medication-naïve patients (Discovery dataset, N=95) and replicated in an independent Validation dataset (N=94). In a cohort of subjects who underwent antidepressant treatment (N=55), correlation between FC changes and symptom changes was further explored. Results: Two distinct symptom clusters previously identified in MDD patients, namely dysphoric and anxiosomatic symptoms, were robustly replicated in our data. A connectivity biomarker associated with dysphoric symptoms was identified, which mainly involved the default, dorsal attention, and limbic networks. Critically, this brain-symptom association was confirmed in the Validation dataset. Moreover, the marker also tracked with dysphoric symptom improvement following a two-week antidepressant treatment. For comparison, we repeated our analyses using a non-individualized approach and failed to identify replicable brain-symptom biomarkers. Further quantitative analysis indicated that generalizability of connectivity-symptom association was hampered when functional regions were not localized in individuals. Conclusions: This work reveals robust, replicable FC biomarkers for dysphoric symptoms in MDD, demonstrates the advantage of individual-oriented approach, and emphasizes the importance of generalizability in psychiatric neuroimaging analysis. Funding: This study was supported by the National Natural Science Foundation of China (Grant Nos. 81621003, 81820108018, 8202780056, and 82001795), Program for Changjiang Scholars and Innovative Research Team in University of China (PCSIRT, Grant No. IRT16R52), Functional and Molecular Imaging Key Laboratory of Sichuan Province (FMIKLSP, Grant: 2019JDS0044), and China Postdoctoral Science Foundation (2020M673245). L.D. is supported by a Canadian Institutes of Health Research postdoctoral fellowship, FRN: MFE-171291. Declaration of Interest: None to declare Ethical Approval: This study was approved by the ethics committee of Sichuan University, China.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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 source (Gemma direct ou Codex distillé), 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 ».