Characterization of a Clinically and Biologically Defined Subgroup of Patients with Autism Spectrum Disorder and Identification of a Tailored Combination Treatment
Notice bibliographique
Résumé
Autism spectrum disorder (ASD) is a heterogeneous group of neurodevelopmental disorders (NDDs) with a high unmet medical need. The diagnosis of ASD is currently based on behavior criteria, which overlooks the diversity of genetic, neurophysiological, and clinical manifestations. Failure to acknowledge such heterogeneity has hindered the development of efficient drug treatments for ASD and other NDDs. DEPI® (Databased Endophenotyping Patient Identification) is a systems biology, multi-omics, and machine learning-driven platform enabling the identification of subgroups of patients with NDDs and the development of patient-tailored treatments. In this study, we provide evidence for the validation of a first clinically and biologically defined subgroup of patients with ASD identified by DEPI, ASD Phenotype 1 (ASD-Phen1). Among 313 screened patients with idiopathic ASD, the prevalence of ASD-Phen1 was observed to be ~24% in 84 patients who qualified to be enrolled in the study. Metabolic and transcriptomic alterations differentiating patients with ASD-Phen1 were consistent with an over-activation of NF-κB and NRF2 transcription factors, as predicted by DEPI. Finally, the suitability of STP1 combination treatment to revert such observed molecular alterations in patients with ASD-Phen1 was determined. Overall, our results support the development of precision medicine-based treatments for patients diagnosed with ASD.
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 | 0,001 |
| 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 ».