Lower Plasma Levels of Selective VGF (Non-Acronymic) Peptides in Bipolar Disorder: Comparative Analysis Reveals Distinct Patterns across Mood Disorders and Healthy Controls
Notice bibliographique
Résumé
INTRODUCTION: Discriminating bipolar disorder (BD) from major depressive disorder (MDD) remains a challenging clinical task. Identifying specific peripheral biosignatures that can differentiate between BD and MDD would significantly increase diagnostic accuracy. Dysregulated neuroplasticity is implicated in BD and MDD, and psychotropic medications restore specific disrupted processes by increasing neurotrophic signalling. The nerve growth factor inducible vgf gene (non-acronymic) encodes a precursor protein named proVGF, which undergoes proteolytic processing to produce several VGF peptides, some of which were suggested to be implicated in mood disorders and have antidepressant effects. Since the presence of VGF peptides in humans has been exclusively investigated in brain and cerebrospinal fluid, we aimed to identify which VGF peptides are present in the plasma and to investigate whether their levels could differentiate BD from MDD as well as responders from non-responders to pharmacological interventions. METHODS: VGF peptides were investigated in plasma from patients diagnosed with MDD (n = 37) or BD (n = 40 under lithium plus n = 29 never exposed to lithium), as well as healthy controls (HC; n = 36). RESULTS: Three VGF peptides (TLQP-11, AQEE-14, and NAPP-19) were identified using spectrometry analysis of plasma from HC. These peptides were then measured in the entire sample using ELISA, which showed significantly lower levels of AQEE and NAPP in BD than in HC and MDD (p = 5.0 × 10-5, p = 0.001, respectively). CONCLUSION: Our findings suggest that lower plasma levels of NAPP and AQEE are specifically associated with BD, thus possibly representing a diagnostic biomarker in mood disorders.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».