Shared Genetic Architecture Among Severe Mental Disorders: A System Biology Approach Based on Protein–Protein Interaction
Notice bibliographique
Résumé
INTRODUCTION: The study explores shared genetic architecture among major psychiatric disorders-major depressive disorder, bipolar disorder, schizophrenia, and post-traumatic stress disorder-emphasizing their overlapping molecular pathways. Using public datasets, we identified shared genes and examined their functional implications through protein-protein interaction (PPI) networks and gene set enrichment analysis (GSEA). METHODS: Genes associated with each disorder were identified through the NCBI Gene database. Intersection analyses of gene sets were conducted using R to identify overlaps among the four disorders. STRING was used to predict PPI and conduct clustering analyses. Gene set enrichment analysis was performed to explore biological pathways, molecular functions, and cellular components. RESULTS: We identified 31 intersected genes across all four disorders. PPI analyses demonstrated significant network enrichment, revealing interconnected pathways related to inflammation, neurotransmission, and synaptic plasticity. Functional enrichment highlighted pathways such as cytokines signaling, dopaminergic transmission, and synaptic vesicle cycling. Tissue expression analysis indicated significant involvement of brain regions, including the anterior cingulate cortex and mesolimbic system. CONCLUSION: This study underscores the shared genetic underpinnings of severe psychiatric disorders, highlighting common biological processes, such as pro-inflammatory markers and synaptic signaling. These findings offer a transdiagnostic perspective, potentially informing novel therapeutic strategies for overlapping psychiatric conditions.
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 ».