کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10302450 | 542940 | 2013 | 9 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Psychiatric patient stratification using biosignatures based on cerebrospinal fluid protein expression clusters
ترجمه فارسی عنوان
طبقه بندی بیمار روانپزشکی با استفاده از بیوزی ارزیابی بر اساس خوشه های انتشار پروتئین مایع مغزی نخاعی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
طبقه بندی گروه بیمار روانی، بی اختیارات، تجزیه و تحلیل چندگانه، مایع مغزی نخاعی، سطح پروتئین، خوشه های پروتئین،
موضوعات مرتبط
علوم زیستی و بیوفناوری
علم عصب شناسی
روانپزشکی بیولوژیکی
چکیده انگلیسی
In the present study we identified disease-specific protein biosignatures in cerebrospinal fluid of depressed (n: 36), bipolar (n: 27) and schizophrenic (n: 35) patients using the Reverse Phase Protein Microarray technology. These biosignatures were able to stratify patient groups in an objective manner according to cerebrospinal fluid protein expression patterns. Correct classification rates were over 90%. At the same time several protein sets that play a role in neuronal growth, proliferation and differentiation (NEGR1, NPDC1), neurotransmission (SEZ6) and protection from oxidative damage (GPX3) were able to distinguish diseased from healthy individuals (n: 35) indicating a molecular signature overlap for the different psychiatric phenotypes. Our study is a first step toward implementing a psychiatric patient stratification system based on molecular biosignatures. Protein signatures may eventually be of use as specific and sensitive biomarkers in clinical trials not only for patient diagnostic and subgroup stratification but also to follow treatment response.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Psychiatric Research - Volume 47, Issue 11, November 2013, Pages 1572-1580
Journal: Journal of Psychiatric Research - Volume 47, Issue 11, November 2013, Pages 1572-1580
نویسندگان
Giuseppina Maccarrone, Claudia Ditzen, Alexander Yassouridis, Christiane Rewerts, Manfred Uhr, Mathias Uhlen, Florian Holsboer, Christoph W. Turck,