A Multi-Omics Therapeutic Approach using SAHA, SP600125, and Exercise to Modulate BDNF levels in Major Depressive Disorder
Notice bibliographique
Résumé
Major depressive disorder (MDD) is a serious mental health condition associated with decreased quality of life and is correlated with other medical comorbidities like diabetes and hypertension. Despite its widespread impact, there is not an objective method of diagnosis or treatment. However, many studies have outlined the potential of exercise in altering Brain-derived neurotrophic factor (BDNF) to alleviate MDD symptoms. To investigate this association, a targeted literature search was conducted on databases such as OVID, PubMed and Science Direct, including studies published in the past 10 years. BDNF exists in two forms, pro-BDNF and mature BDNF, with its mature form more involved in improving cognitive function. Pro and mature BDNF can be regulated through the enzyme histone deacetylase 2 (HDAC2), an epigenetic silencer preventing its transcription. Consistent evidence was found for BDNF being regulated by multiple molecular pathways influenced by exercise and that BDNF is a potential target in MDD, playing a role in synaptic plasticity, neurogenesis, and mood regulation. As such, a multi-omics approach was explored to examine the mechanism behind exercise and BDNF, within metabolomics, epigenomics, transcriptomics, and proteomics in the context of MDD. Our proposed experiment ties together the multi-omics approach by exploring the effects of exercise metabolite β-hydroxybutyric (BHB), and pharmacological agents including SAHA and SP600125 on BDNF levels in mice models. Vorinostat (SAHA), a BHB mimic, is an HDAC2 inhibitor that upregulates both forms of BDNF. To minimize the pro-apoptotic response triggered by excess pro-BDNF binding to P75NTR and activating c-Jun N-terminal kinase (JNK), SP600125 (a JNK inhibitor) can be coupled with SAHA to inhibit pro-BDNF-JNK pathways. These markers can be further analyzed through ChIP-seq and ELISA. This research holds promise in informing novel therapies for MDD and furthering current knowledge in BDNF multi-omics interactions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».