Metabolic features of treatment-refractory major depressive disorder with suicidal ideation
Notice bibliographique
Résumé
Peripheral blood metabolomics was used to gain chemical insight into the biology of treatment-refractory Major Depressive Disorder with suicidal ideation, and to identify individualized differences for personalized care. The study cohort consisted of 99 patients with treatment-refractory major depressive disorder and suicidal ideation (trMDD-SI n = 52 females and 47 males) and 94 age- and sex-matched healthy controls (n = 48 females and 46 males). The median age was 29 years (IQR 22-42). Targeted, broad-spectrum metabolomics measured 448 metabolites. Fibroblast growth factor 21 (FGF21) and growth differentiation factor 15 (GDF15) were measured as biomarkers of mitochondrial dysfunction. The diagnostic accuracy of plasma metabolomics was over 90% (95%CI: 0.80-1.0) by area under the receiver operator characteristic (AUROC) curve analysis. Over 55% of the metabolic impact in males and 75% in females came from abnormalities in lipids. Modified purines and pyrimidines from tRNA, rRNA, and mRNA turnover were increased in the trMDD-SI group. FGF21 was increased in both males and females. Increased lactate, glutamate, and saccharopine, and decreased cystine provided evidence of reductive stress. Seventy-five percent of the metabolomic abnormalities found were individualized. Personalized deficiencies in CoQ10, flavin adenine dinucleotide (FAD), citrulline, lutein, carnitine, or folate were found. Pathways regulated by mitochondrial function dominated the metabolic signature. Peripheral blood metabolomics identified mitochondrial dysfunction and reductive stress as common denominators in suicidal ideation associated with treatment-refractory major depressive disorder. Individualized metabolic differences were found that may help with personalized management.
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 | 0,001 |
| 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 ».