Potential Candidates for Biomarkers in Bipolar Disorder: A Proteomic Approach through Systems Biology
Notice bibliographique
Résumé
Bipolar disorder (BD) is one of the most disabling diseases characterized by severe humor fluctuation. It is accompanied by cognitive and functional impairment in addiction to high suicide rates. BD is often underdiagnosed and treated incorrectly because many of the reported symptoms are not exclusive to the disorder. Once the diagnosis is exclusively clinical, it is not possible to state precisely. From that, proteomic approaches were used to identify, in a large scale, all proteins involved in cellular or tissue processes. This review aggregate data from blood proteomes, by using protein association network, of subjects with BD and healthy controls to suggest dysfunctional molecular pathways involved in disease. Original articles containing proteomic analysis were searched in PubMed. Seven studies were selected and data were extracted for posterior analysis. A protein-protein interaction network was created by STRING database. A final set of proteins in this network were employed as input in ClueGO and, the main biological process was visualized using R package pathview. The analysis revealed proteins associated with many biological processes, including growth and endocrine regulation, iron transportation, protease inhibition, protection against pathogens and cholesterol transport. Moreover, pathway analysis indicated the association of uncovered proteins with two main metabolic pathways: complement system and coagulation cascade. Thus, a better understanding on the pathophysiology of psychiatric disorders and the identification of potential biomarker candidates are essential to improve diagnostic, prognostic and design pharmacological strategies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».