Extracellular vesicles in mood disorders: A systematic review of human studies
Notice bibliographique
Résumé
• EV studies target MDD, BD, postpartum, adolescent, and late-life depression. • EV cargo provides mechanistic insights and links to neuroimaging findings in MD. • EV-derived markers hold promise for diagnosis and treatment response in MD. • EV physical properties may offer additional clinical insights into MD. • Future research should prioritize brain-derived EVs and standardized methodologies. Extracellular vesicles (EVs) are small, membrane-bound particles that are naturally released by nearly all cell types in the body. They serve as molecular biosignatures, reflecting the state of their cells of origin and providing a non-invasive peripheral marker of central nervous system (CNS) activity under physiological and pathological conditions. We conducted a systematic review (ID: CRD42024528824) of studies investigating the use of EVs in mood disorders within clinical populations. We screened articles indexed in PubMed, EMBASE, Scopus, ISI Web of Science, and APA PsycInfo from January 2010 to October 2024. Available research has focused on four key areas: (1) EV cargo as mechanistic and diagnostic biomarkers; (2) EV cargo as predictive or tracking biomarkers for antidepressant response; (3) EV cargo and neuroimaging correlates; and (4) EV physical properties. Most studies examined major depressive disorder (MDD), with others addressing bipolar disorder (BD), adolescent depression, postpartum depression, and late-life depression. Notably, only 35,55 % of the studies utilized brain-derived EVs. Through analyses of EV-derived miRNA, proteins, mtDNA, and metabolites, these studies have explored neural mitochondrial function, brain insulin resistance, neurogenesis, neuroinflammation, and blood-brain barrier permeability in the context of mood disorders. Some EV-derived markers demonstrated diagnostic and predictive potential. This review discusses key findings, limitations of current research, and future directions for leveraging EVs in the study of 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 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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,012 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».