Cognitive and inflammatory heterogeneity in severe mental illness: Translating findings from blood to brain
Notice bibliographique
Résumé
Recent findings link cognitive impairment and inflammatory-immune dysregulation in schizophrenia (SZ) and bipolar (BD) spectrum disorders. However, heterogeneity and translation between the periphery and central (blood-to-brain) mechanisms remains a challenge. Starting with a large SZ, BD and healthy control cohort (n = 1235), we aimed to i) identify candidate peripheral markers (n = 25) associated with cognitive domains (n = 9) and elucidate heterogenous immune-cognitive patterns, ii) evaluate the regulation of candidate markers using human induced pluripotent stem cell (iPSC)-derived astrocytes and neural progenitor cells (n = 10), and iii) evaluate candidate marker messenger RNA expression in leukocytes using microarray in available data from a subsample of the main cohort (n = 776), and in available RNA-sequencing deconvolution analysis of postmortem brain samples (n = 474) from the CommonMind Consortium (CMC). We identified transdiagnostic subgroups based on covariance between cognitive domains (measures of speed and verbal learning) and peripheral markers reflecting inflammatory response (CRP, sTNFR1, YKL-40), innate immune activation (MIF) and extracellular matrix remodelling (YKL-40, CatS). Of the candidate markers there was considerable variance in secretion of YKL-40 in iPSC-derived astrocytes and neural progenitor cells in SZ compared to HC. Further, we provide evidence of dysregulated RNA expression of genes encoding YKL-40 and related signalling pathways in a high neuroinflammatory subgroup in the postmortem brain samples. Our findings suggest a relationship between peripheral inflammatory-immune activity and cognitive impairment, and highlight YKL-40 as a potential marker of cognitive functioning in a subgroup of individuals with severe mental illness.
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 ».