Genetic and Neurodevelopmental Markers in Schizophrenia-Spectrum Disorders: Analysis of the Combined Role of the CNR1 Gene and Dermatoglyphics
Notice bibliographique
Résumé
Background: Dermatoglyphic pattern deviances have been associated with schizophrenia-spectrum disorders (SSD) and are considered neurodevelopment vulnerability markers based on the shared ectodermal origin of the epidermis and the central nervous system. The endocannabinoid system participates in epidermal differentiation, is sensitive to prenatal insults and is associated with SSD. Objective: We aimed to investigate whether the Cannabinoid Receptor 1 gene (CNR1) modulates the dermatoglyphics–SSD association. Methods: In a sample of 112 controls and 97 patients with SSD, three dermatoglyphic markers were assessed: the total palmar a-b ridge count (TABRC), the a-b ridge count fluctuating asymmetry (ABRC-FA), and the pattern intensity index (PII). Two CNR1 polymorphisms were genotyped: rs2023239-T/C and rs806379-A/T. We tested: (i) the CNR1 association with SSD and dermatoglyphic variability within groups; and (ii) the CNR1 × dermatoglyphic measures interaction on SSD susceptibility. Results: Both polymorphisms were associated with SSD. The polymorphism rs2023239 modulated the relationship between PII and SSD: a high PII score was associated with a lower SSD risk within C-allele carriers and a higher SSD risk within TT-homozygotes. This result indicates an inverse relationship between the PII and the SSD predicted probability conditional to the rs2023239 genotype. Conclusions: These novel findings suggest the endocannabinoid system’s role in the development and variability of dermatoglyphic patterns. The identified interaction encourages combining genetic and dermatoglyphics to assess neurodevelopmental alterations predisposing to SSD in future studies.
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 ».