Exploratory genome-wide analyses of cortical inhibition, facilitation, and plasticity in late-life depression
Notice bibliographique
Résumé
Late-life depression (LLD) is a heterogenous mood disorder influenced by genetic factors. Cortical physiological processes such as cortical inhibition, facilitation, and plasticity may be markers of illness that are more strongly associated with genetic factors than the clinical phenotype. Thus, exploring the relationship between genetic factors and these physiological processes may help to characterize the biological mechanisms underlying LLD and improve diagnosis and treatment selection. Transcranial magnetic stimulation (TMS) combined with electromyography was used to measure short interval intracortical inhibition (SICI), cortical silent period (CSP), intracortical facilitation (ICF), and paired associative stimulation (PAS) in 79 participants with LLD. We used exploratory genome-wide association and gene-based analyses to assess for genetic correlations of these TMS measures. MARK4 (which encodes microtubule affinity-regulating kinase 4) and PPP1R37 (which encodes protein phosphatase 1 regulatory subunit 37) showed genome-wide significant association with SICI. EGFLAM (which encodes EGF-like fibronectin type III and laminin G domain) showed genome-wide significant association with CSP. No genes met genome-wide significant association with ICF or PAS. We observed genetic influences on cortical inhibition in older adults with LLD. Replication with larger sample sizes, exploration of clinical phenotype subgroups, and functional analysis of relevant genotypes is warranted to better characterize genetic influences on cortical physiology in LLD. This work is needed to determine whether cortical inhibition may serve as a biomarker to improve diagnostic precision and guide treatment selection in LLD.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».