MétaCan
Menu
Retour à la cohorte
Enregistrement W4386055436 · doi:10.1093/schbul/sbad080

Longitudinal MicroRNA Signature of Conversion to Psychosis

2023· article· en· W4386055436 sur OpenAlexaff
Anton Iftimovici, Qin He, Chuan Jiao, Édouard Duchesnay, Marie‐Odile Krebs, Oussama Kébir, Boris Chaumette

Notice bibliographique

RevueSchizophrenia Bulletin · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensMcGill University
Organismes subventionnairesFondation Bettencourt SchuellerFédération pour la Recherche sur le CerveauFondation pour la Recherche MédicaleInstitut National de la Santé et de la Recherche MédicaleAgence Nationale de la Recherche
Mots-clésPsychosismicroRNASchizophrenia (object-oriented programming)EpigeneticsBiologyPsychologyOncologyBioinformaticsMedicinePsychiatryGeneticsGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND HYPOTHESIS: The emergence of psychosis in ultra-high-risk subjects (UHR) is influenced by gene-environment interactions that rely on epigenetic mechanisms such as microRNAs. However, whether they can be relevant pathophysiological biomarkers of psychosis' onset remains unknown. STUDY DESIGN: We present a longitudinal study of microRNA expression, measured in plasma by high-throughput sequencing at baseline and follow-up, in a prospective cohort of 81 UHR, 35 of whom developed psychosis at follow-up (converters). We combined supervised machine learning and differential graph analysis to assess the relative weighted contribution of each microRNA variation to the difference in outcome and identify outcome-specific networks. We then applied univariate models to the resulting microRNA variations common to both strategies, to interpret them as a function of demographic and clinical covariates. STUDY RESULTS: We identified 207 microRNA variations that significantly contributed to the classification. The differential network analysis found 276 network-specific correlations of microRNA variations. The combination of both strategies identified 25 microRNAs, whose gene targets were overrepresented in cognition and schizophrenia genome-wide association studies findings. Interpretable univariate models further supported the relevance of miR-150-5p and miR-3191-5p variations in psychosis onset, independent of age, sex, cannabis use, and medication. CONCLUSIONS: In this first longitudinal study of microRNA variation during conversion to psychosis, we combined 2 methodologically independent data-driven strategies to identify a dynamic epigenetic signature of the emergence of psychosis that is pathophysiologically relevant.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,045
Tête enseignante GPT0,367
Écart entre enseignants0,323 · 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'étudeObservationnel
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSchizophrenia BulletinMême sujetMental Health Research TopicsTravaux en français237 207