Omics Approaches to Investigate the Pathogenesis of Suicide
Notice bibliographique
Résumé
Suicide is the second leading cause of death in U.S. adolescents and young adults and is generally associated with a psychiatric disorder. Suicidal behavior has a complex etiology and pathogenesis. Moderate heritability suggests genetic causes. Associations between childhood and recent life adversity indicate contributions from epigenetic factors. Genomic contributions to suicide pathogenesis remain largely unknown. This article is based on a workshop held to design strategies to identify molecular drivers of suicide neurobiology that would be putative new treatment targets. The panel determined that while bulk tissue studies provide comprehensive information, single-nucleus approaches that identify cell type-specific changes are needed. While single-nuclei techniques lack information on cytoplasm, processes, spines, and synapses, spatial multiomic technologies on intact tissue detect cell alterations specific to brain tissue layers and subregions. Because suicide has genetic and environmental drivers, multiomic approaches that combine cell type-specific epigenome, transcriptome, and proteome provide a more complete picture of pathogenesis. To determine the direction of effect of suicide risk gene variants on RNA and protein expression and how these interact with epigenetic marks, single-nuclei and spatial multiomics quantitative trait loci maps should be integrated with whole-genome sequencing and genome-wide association databases. The workshop concluded with a recommendation for the formation of an international suicide biology consortium that will bring together brain banks and investigators with expertise in cutting-edge omics technologies to delineate the biology of suicide and identify novel potential treatment targets to be tested in cellular and animal models for drug and biomarker discovery to guide suicide prevention.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».