Systematic metabolic characterization of mental disorders reveals age‐related metabolic disturbances as potential risk factors for depression in older adults
Notice bibliographique
Résumé
Mental disorders are associated with dysregulated metabolism, but comprehensive investigations of their metabolic similarities and differences and their clinical relevance are few. Here, based on the plasma metabolome and lipidome of subcohort1, comprising 100 healthy participants, 55 cases with anxiety, 52 persons with depression, and 41 individuals with comorbidity, which are from WCHAT, a perspective cohort study of community-dwelling older adults aged over 50, multiple metabolites as potential risk factors of mental disorders were identified. Furthermore, participants with mental illnesses were classified into three subtypes (S1, S2, and S3) by unsupervised classification with lipidomic data. Among them, S1 showed higher triacylglycerol and lower sphingomyelin, while S2 displayed opposite features. The metabolic profile of S3 was like that of the normal group. Compared with S3, individuals in S1 and S2 had worse quality of life, and suffered more from sleep and cognitive disorders. Notably, an assessment of 6,467 individuals from the WCHAT showed an age-related increase in the incidence of depression. Seventeen depression-related metabolites were significantly correlated with age, which were validated in an independent subcohort2. Collectively, this work highlights the clinical relevance of metabolic perturbation in mental disorders, and age-related metabolic disturbances may be a bridge-linking aging and depressive.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».