MétaCan
Menu
Retour à la cohorte
Enregistrement W4383197517 · doi:10.3389/fpsyt.2023.1196035

Mitochondrial DNA copy number in autism spectrum disorder and attention deficit hyperactivity disorder: a systematic review and meta-analysis

2023· review· en· W4383197517 sur OpenAlexaff
Ghada Al‐Kafaji, Haitham Jahrami, Materah Salem Alwehaidah, Yasmeen Alshammari, Mariwan Husni

Notice bibliographique

RevueFrontiers in Psychiatry · 2023
Typereview
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensNOSM University
Organismes subventionnairesnon disponible
Mots-clésAutism spectrum disorderAttention deficit hyperactivity disorderMeta-analysisPsychologyAutismCopy-number variationPsychiatryMedicineNeuroscienceClinical psychologyGeneticsBiologyInternal medicineGenomeGene

Résumé

récupéré en direct d'OpenAlex

Background Several reports suggest that altered mitochondrial DNA copy number (mtDNA-cn), a common biomarker for aberrant mitochondrial function, is implicated in autism spectrum disorder (ASD) and attention deficit hyperactivity disorder (ADHD), but the results are still elusive. Methods A meta-analysis was performed to summarize the current indication and to provide a more precise assessment of the mtDNA-cn in ASD and ADHD. A search in the MEDLINE-PubMed, Scopus, and EMBASE databases was done to identify related studies up to the end of February 2023. The meta-analysis was conducted according to recommendations of the Cochrane Handbook of Systematic Reviews. Results Fourteen studies involving 666 cases with ASD and ADHD and 585 controls were collected and judged relevant for the systematic review and meta-analysis. The pooled results by a random effects meta-analysis was reported as a geometric mean of the estimated average response ratio and 95% confidence interval. Overall analysis of studies reported differences in mtDNA-cn in blood samples (k = 10) and non-blood samples (brain tissues and oral samples; k = 4) suggested significantly higher mtDNA-cn in patients compared to controls (p = 0.0275). Sub-analysis by stratifying studies based on tissue type, showed no significant increase in mtDNA-cn in blood samples among patients and controls (p = 0.284). Conversely, higher mtDNA-cn was observed in non-blood samples in patients than in controls (p = 0.0122). Further stratified analysis based on blood-cell compositions as potential confounds showed no significant difference in mtDNA-cn in peripheral blood samples of patients comparted to controls (p = 0.074). In addition, stratified analysis of aged-matched ASD and ADHD patients and controls revealed no significant difference in mtDNA-cn in blood samples between patients and controls (p = 0.214), whereas a significant increase in mtDNA-cn was observed in non-blood samples between patients and controls (p < 0.001). Finally, when the mtDNA-cn was analyzed in blood samples of aged-matched patients with ASD (peripheral blood, leukocytes, and PBMCs) or ADHD (peripheral blood), no significant difference in mtDNA-cn was observed between ASD patients and controls (p = 0.385), while a significant increase in mtDNA-cn was found between ADHD patients and controls (p = 0.033). Conclusion In this first meta-analysis of the evaluation of mtDNA-cn in ASD/ADHD, our results show elevated mtDNA-cn in ASD and ADHD, further emphasizing the implication of mitochondrial dysfunction in neurodevelopmental disorders. However, our results indicate that the mtDNA-cn in blood is not reflected in other tissues in ASD/ADHD, and the true relationship between blood-derived mtDNA-cn and ASD/ADHD remains to be defined in future studies. The importance of blood-cell compositions as confounders of blood-based mtDNA-cn measurement and the advantages of salivary mtDNA-cn should be considered in future studies. Moreover, the potential of mtDNA-cn as a biomarker for mitochondrial malfunction in neurodevelopmental disorders deserves further investigations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,033
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0160,036
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,345
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychiatryMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207