Systemic inflammation, oxidative damage and neurocognition predict telomere length in a transdiagnostic sample stratified by global DNA methylation levels
Notice bibliographique
Résumé
Abstract Epigenetic mechanisms contribute to the maintenance of both type 2 diabetes mellitus (T2DM) and psychiatric disorders. Emerging evidence suggests that molecular pathways and neurocognitive performance regulate epigenetic dynamics in these disorders. The current combined and transdiagnostic study investigated whether inflammatory, oxidative stress, adhesion molecule, neurocognitive and functional performance are significant predictors of telomere dynamics in a sample stratified by global DNA methylation levels. Peripheral blood inflammation, oxidative stress and adhesion molecule biomarkers and neurocognitive function were assessed twice over a 1-year period in 80 individuals, including 16 with schizophrenia (SZ), 16 with bipolar disorder (BD), 16 with major depressive disorder (MDD), 15 with T2DM, and 17 healthy controls (HCs). Leukocyte telomere length (LTL) was measured by qRT-PCR using deoxyribonucleic acid (DNA) extracted from peripheral blood samples. A posteriori, individuals were classified based on their global methylation score (GMS) at baseline into two groups: the below-average methylation (BM) and above-average methylation (AM) groups. Hierarchical and k-means clustering methods, mixed one-way analysis of variance and linear regression analyses were performed. Overall, the BM group showed a significantly higher leukocyte telomere length (LTL) than the AM group at both time points (p = 0.02; η2p = 0.06). Moreover, the BM group had significantly lower levels of tumor necrosis factor alpha (TNF-α) (p = 0.03; η2p = 0.06) and C-reactive protein (CRP) (p = 0.03; η2p = 0.06) than the AM group at the 1-year follow-up. Across all participants, the regression models showed that oxidative stress (reactive oxygen species [ROS]) (p = 0.04) and global cognitive score [GCS] (p = 0.02) were significantly negatively associated with LTL, whereas inflammatory (TNF-α) (p = 0.04), adhesion molecule biomarkers (inter cellular adhesion molecule [ICAM]) (p = 0.009), and intelligence quotient [IQ] (p = 0.03) were significantly positively associated with LTL. Moreover, the model predictive power was increased when tested in both groups separately, explaining 15.8% and 28.1% of the LTL variance at the 1-year follow-up for the AM and BM groups, respectively. Heterogeneous DNA methylation in individuals with T2DM and severe mental disorders seems to support the hypothesis that epigenetic dysregulation occurs in a transdiagnostic manner. Our results may help to elucidate the interplay between epigenetics, molecular processes and neurocognitive function in these disorders. DNA methylation and LTL are potential therapeutic targets for transdiagnostic interventions to decrease the risk of comorbidities.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».