Co-expression of prepulse inhibition and Schizophrenia genes in the mouse and human brain
Notice bibliographique
Résumé
Schizophrenia is a complex psychiatric disorder with genetic and phenotypic heterogeneity. Accumulating rare and genome-wide association study (GWAS) common risk variant information has yet to yield robust mechanistic insight. Leveraging large-scale gene deletion mouse phenomic data thus has potential to functionally interrogate and prioritize human disease genes. To this end, we applied a cross-species network-based approach to parse an extensive mouse gene set (188 genes) associated with disrupted prepulse inhibition (PPI), a Schizophrenia endophenotype. Integrating PPI genes with high-resolution mouse and human brain transcriptomic data, we identified functional and disease coherent co-expression modules through hierarchical clustering and weighted gene co-expression network analysis (WGCNA). In two modules, Schizophrenia risk and mouse PPI genes converged based on telencephalic patterning. The associated neuronal genes were highly expressed in cingulate cortex- and hippocampus; implicated in synaptic function and neurotransmission and overlapped with the greatest proportion of rare variants. Concordant neuroanatomical patterning revealed novel core Schizophrenia-relevant genes consistent with the Omnigenic hypothesis of complex traits. Among other genes discussed, the developmental and post-synaptic scaffold TANC2 (Tetratricopeptide repeat, ankyrin repeat and coiled-coil containing 2) emerged from both networks as a novel core genetic driver of Schizophrenia altering PPI. Aspects of psychiatric disease comorbidity and phenotypic heterogeneity are also explored. Overall, this study provides a framework and galvanizes the value of mouse preclinical genetics and PPI to prioritize both existing and novel human Schizophrenia candidate genes as druggable targets.
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 ».