Polygenic risk scores of lithium response and treatment resistance in major depressive disorder
Notice bibliographique
Résumé
Treatment response and resistance in major depressive disorder (MDD) are suggested to be heritable. Due to significant challenges in defining treatment-related phenotypes, our understanding of their genetic bases is limited. This study aimed to derive a stringent definition of treatment resistance and to investigate the genetic overlap between treatment response and resistance in MDD. Using electronic medical records on the use of antidepressants and electroconvulsive therapy (ECT) from Swedish registers, we derived the phenotype of treatment-resistant depression (TRD) and non-TRD within ~4500 individuals with MDD in three Swedish cohorts. Considering antidepressants and lithium are first-line treatment and augmentation used for MDD, respectively, we generated polygenic risk scores (PRS) of antidepressants and lithium response for individuals with MDD and evaluated their associations with treatment resistance by comparing TRD with non-TRD. Among 1778 ECT-treated MDD cases, nearly all (94%) used antidepressants before their first ECT and the vast majority had at least one (84%) or two (61%) antidepressants of adequate duration, suggesting these MDD cases receiving ECT were resistant to antidepressants. We did not observe a significant difference in the mean PRS of antidepressant response between TRD and non-TRD; however, we found that TRD cases had a significantly higher PRS of lithium response compared to non-TRD cases (OR = 1.10-1.12 under various definitions). The results support the evidence of heritable components in treatment-related phenotypes and highlight the overall genetic profile of lithium-sensitivity in TRD. This finding further provides a genetic explanation for lithium efficacy in treating TRD.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».