Exercise as an Adjunctive Treatment Modality for Major Depressive Disorder: A Multi-Omics Perspective
Notice bibliographique
Résumé
Major Depressive Disorder (MDD) is characterized by genetic and environmental factors. Current interventions, including selective serotonin reuptake inhibitors and cognitive-behavioural therapy, are often effective yet prone to the development of treatment resistance. A major mechanism for MDD pathogenesis involves dysfunction of the hypothalamic-pituitary-adrenal (HPA) axis, which results in chronic elevation of cortisol. Cortisol has been linked to MDD symptomology through downstream cellular effects, which can be elucidated through multi-omics analyses such as genomics (NR3C1, FKBP5), proteomics (pro-inflammatory cytokines), and metabolomics (shifted kynurenine pathway). A systematic literature search of OVID Medline and similar databases was conducted over the past 10 years to identify studies investigating exercise interventions targeting multi-omics markers in MDD. Inclusion criteria required independent MDD cohorts and included a minimum of two omics levels, and their relationship to exercise as an intervention. Existing literature demonstrates that aerobic exercise can regulate cortisol levels, increasing NR3C1 and FKBP5 gene expression, while reducing proinflammatory cytokines, and shifting tryptophan metabolism towards the neuroprotective kynurenic acid and away from neurotoxic metabolites. A change in these biomarkers suggests that regular physical activity can exert widespread biological and neurological effects, regulating molecular dysfunctions at a multi-omic level in MDD. Exercise, when prescribed as an adjunct to conventional MDD therapies, may improve clinical outcomes by modulating stress-responsive and inflammatory pathways at multiple omics levels. Further large-scale and longer-term randomized trials are required to validate specific biomarkers for personalized medicine, and additional work should investigate sex-based differences in exercise efficacy. Exercise offers significant promise for optimizing MDD management and promotes greater physiological resistance to depressive symptoms.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».