Genome-wide methylation biomarkers and biological aging in patients with bipolar disorder characterized for lithium response
Notice bibliographique
Résumé
Abstract Background Epigenetic mechanisms might play a role in modulating susceptibility to bipolar disorder (BD) and response to lithium, the mainstay treatment for BD. Additionally, individuals with BD experience accelerated biological aging. Methods We compared blood DNA methylation profiles measured with EPIC v.2.0 arrays between patients with BD (33 lithium responders and 31 nonresponders) and nonpsychiatric controls ( n = 32), as well as based on long-term lithium response. In addition, we compared cellular aging between these groups using epigenetic age, pace of aging, and, for the first time, transcriptional age acceleration based on bulk RNA sequencing in 93 patients and 56 controls. Results We identified 191 differentially methylated positions (DMPs) and 8 differentially methylated regions between patients with BD and controls, located in genes enriched for “Postsynaptic Density” (odds ratio = 6.81, p = 0.001). No DMP was significantly associated with lithium response after multiple testing correction. Patients showed a significantly higher biological age acceleration than controls based on two epigenetic clocks (GrimAge, Mann–Whitney U = 551, p = 0.0009; GrimAge2: U = 477, p = 9.0E-05) and pace of aging (DunedinPACE, t = 3.01, p = 0.003), but not on transcriptional age. While we observed no significant difference in epigenetic aging based on lithium response, lithium responders showed lower epigenetic acceleration using all clocks, with a trend observed using the PhenoAge clock ( t = 1.97, p = 0.053). Conclusions Our findings point to methylation patterns characterizing BD and support the hypothesis of accelerated cellular aging in BD.
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 ».