Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Araştırma makalesi

Şizofrenide SUCNR1 ve GPR37L1'nin Biyoinformatik ve Nicel Gerçek Zamanlı Polimeraz Zincir Reaksiyon Analizi

33 görüntülenme

⸱

DOI:

10.3791/71356

⸱

11 Ağustos 2026

 ,  ,  ,  , 
1Department of Psychiatry and Neuroscience, Wuhan Rongjun Youfu Hospital, 2Department of Respiratory and Critical Care Medicine, Department of Internal Medicine, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology

Bu makalede

Özet

Bu çalışma, GSE54913 veri setinin entegre biyoinformatik analizi, nicel gerçek zamanlı polimeraz zincir reaksiyonu (qRT-PCR) doğrulaması ve bağımsız bir kohortta sözel hafıza ile korelasyon analizi yoluyla SUCNR1 ve GPR37L1'yi şizofreni ile ilişkili molekuler işaretleyiciler olarak değerlendirmektedir.

Özet

Şizofreni, birçok genetik yatkınlık unsurunu içeren şiddetli, karmaşık ve çok faktörlü bir ruhsal bozukluktur ve önemli engellilik, hastalık ve ölümlülüğe yol açar. Patofizyolojisi ve etiyolojisinin anlaşılmasında önemli ilerlemelere rağmen, şizofreni için spesifik tanısal biyobelirteçler hâlâ ulaşılamamaktadır. Bu çalışma, şizofreniyle ilişkili aday moleküler belirteçleri belirlemeyi amaçladı. Entegre bir biyoinformatik analiz GSE54913 kamuya açık mikroarray veri seti üzerinde gerçekleştirildi. Gen Ontolojisi (GO) ve Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) yol analizleri, en anlamlı zenginleştirilmiş GO terimlerinin kanal aktivitesiyle ilişkili olduğunu ortaya koydu; bunlar arasında pasif transmembran taşıyıcı aktivitesi, iyon kanalı aktivitesi, kapalı kanal aktivitesi ve substrat-özgül kanal aktivitesi yer alıyor. En zenginleştirilmiş beş KEGG yolu insülin salgılanması, cAMP sinyal yolu, nukleotid eksizyon onarımı, TNF sinyal yolu ve glutatyon metabolizmasıydı. Doğrulama, Wuhan Rongjun Youfu Hastanesi'nden bağımsız bir örnek seti üzerinde nicel gerçek zamanlı polimeraz zincir reaksiyonu (qRT-PCR) kullanılarak gerçekleştirildi. qRT-PCR sonuçları büyük ölçüde mikroarray analiziyle tutarlıydı (Pearson r = 0.89, %95 GA: 0.66–0.97). Protein-protein etkileşimi (PPI) ağ analizi, GO terimi 'iyon kanalı aktivitesi' ile anlamlı ilişkili olan ve KEGG yolu 'insülin salgılanması'nda zenginleşen iki merkez geni, SUCNR1 ve GPR37L1'yi tespit etti. Ayrıca, SUCNR1 ifadesi sözel hafıza puanlarıyla negatif bir korelasyon gösterdi (r = -0.54, P = 0.015), iken GPR37L1 ifadede pozitif korelasyon vardı (r = 0.59, P = 0.0034). Bu bulgular, değişen SUCNR1 ve GPR37L1 ifadesinin şizofreniyle ilişkili olabileceğini ve daha fazla araştırma için aday moleküler belirteçleri temsil edebileceğini göstermektedir.

Giriş

Şizofreni, tanımlanamayan etiyolojiye sahip kronik ve karmaşık bir ruhsal bozukluktur ve şiddetli beyin işlevsizliği, bilişsel bozukluk ve psikososyal eksikliklerle karakterizeedilir 1. Dünya çapında 21 milyondan fazla insanı etkileyen büyük bir küresel sağlıkyükü oluşturmaktadır 2. Son elli yılda tanısal ve tedavi yaklaşımları önemli ölçüde gelişmiş olsa da, temel patogenezi belirsizdir ve önemli engellilik, morbidite ve ölüm oranlarıyla ilişkili uzun vadeli sonuçlar belirgin şekildeiyileşmemiştir 3. Bu nedenle, potansiyel kritik genleri ve düzenleyici hedefleri belirlemek şarttır.

Şizofreninin patofizyolojisi tam olarak açıklanmasa da, genetik polimorfizmalar ve ifade varyasyonlarına yaygın olarak atfedilir4. Örneğin, östrojen alfa genindeki genetik varyasyon, alternatif gen düzenlemesi ve transkript işleme yoluyla şizofreniye yatkınlığı etkileyebilir5. Benzer şekilde, NRG1'in fonksiyonel bir promotor varyantı şizofreni ile ilişkilendirilmiş ve tip III NRG1izoformu 6'nın azalmış ekspresyonuyla korelasyon göstermiştir. Otopslama sonrası çalışmalar, şizofrenik beyinlerde PDE4B izoformlarının ifadesinin anlamlı şekilde azaldığını göstermiş olup, bunun öngörü potansiyelinigöstermektedir 7. Diğer adaylar arasında dopamin taşıyıcısı (DAT), veziküler monoamin taşıyıcısı (VMAT2) ve monoamin oksidaz (MAO) bulunur; bunlar sinaptik dopamin seviyelerini düzenleyip biyobelirteçolarak hizmet verebilir 8. Ayrıca, TCP1,şizofreni 9'da yanlış aktin katlanması yoluyla sitoskelet defzuklarına katkıda bulunabilir. Bu nedenle, şizofreninin patogenezinde gen ifade profillerinin aydınlatılması, risk tahmini, mekanik anlayış ve terapötik değerlendirme konusunda içgörüler sağlayabilir.

Son hesaplamalı yaklaşımlar, entegre ağ analizi ve makine öğrenimi yöntemleri 10,11,12 yoluyla hastalıkla ilişkili genlerin tanımlanmasını ilerletmiştir. Çok sayıda genetik çalışmaya rağmen, şizofreni için klinik uygulamada güvenilir kan bazlı tanısal biyobelirteçler kullanılmamıştır. Bu boşluğu gidermek için, mevcut çalışma, şizofreni hastalarından ve sağlıklı kontrol gruplarından alınan kan kaynaklı transkriptomik verileri içeren GSE54913 veri setini yeniden analiz etmek için entegre bir biyoinformatik yaklaşım kullandı. Veri seti, (1) çevresel kan örneklerinin minimal invaziv ve klinik olarak pratik olması, (2) kamuya açık şizofreni mikroarray veri setleri arasında nispeten büyük bir örneklem boyutunu içermesi ve (3) ham verilerin yeniden analiz için mevcut olması nedeniyle seçildi. Bu çalışmanın amaçları şunlardı: (1) şizofreni hastalarında sağlıklı kontrol genlerine kıyasla farklı şekilde ifade edilen genleri GSE54913 veri seti kullanılarak tanımlamak; (2) merkez genlerini belirlemek için fonksiyonel zenginleştirme ve PPI ağ analizleri yapar; (3) aday genlerin qRT-PCR ile bağımsız bir kohortta ifadesini doğrulamak; ve (4) hub gen ifadesinin sözel hafıza performansı ile ilişkisini araştırır. Yazarların bildiği kadarıyla, bu çalışma SUCNR1 ve GPR37L1'yi şizofreni için kan bazlı aday moleküler belirteçler olarak tanımlayan ilk çalışmadır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Bu çalışma, Wuhan Rongjun Youfu Hastanesi Etik Komitesi tarafından onaylanmış (proje tanımlama kodu, YF-IRB202310215) ve Helsinki Bildirgesi'nin ilkelerine uygun olarak yürütülmüştür. Tüm katılımcılar Çinli topluluğun sakinleriydi ve yazılı bilgilendirilmiş onay verdiler.

Çalışma denekleri ve kan örneklemi
Şizofreni tanısı konan on yetişkin ve üç nesil içinde ailede ruhsal hastalık öyküsü olmayan on sağlıklı kontrol gönüllüsü kaydedildi. Şizofreni hastaları için dahil etme kriterleri: (1) DSM-5 kriterlerine göre şizofreni tanısı iki bağımsız kıdemli psikiyatrist tarafından doğrulandı; (2) 18–65 yaş arası; (3) kan numunesi alınmadan önce en az 4 hafta boyunca antipsikotik ilaçlarda değişiklik olmaması; (4) yazılı bilgilendirilmiş onay sağlama istekliliği. Dışlama kriterleri: (1) eşzamanlı büyük tıbbi hastalıklar (örneğin, diyabet, kardiyovasküler hastalıklar, kanser); (2) son 6 ay içinde madde bağımlılığı veya bağımlılık; (3) zihinsel engellilik; (4) hamilelik veya emzirme. Sağlıklı kontroller için dahil etme kriterleri: (1) herhangi bir ruhsal hastalıktan (üç nesil içinde) kişisel veya aile öyküsü yok; (2) mevcut veya geçmişte antipsikotik ilaç kullanmamak; (3) yaş ve cinsiyet şizofreni grubuna göre eşleştirilmiş; (4) büyük tıbbi hastalık yok. Şizofreni hastalarının ortalama hastalık süresi 12,5 ± 6,8 yıl idi; Tüm hastalar stabil antipsikotik ilaç kullanıyordu (6 kişi risperidon, 4 kişi olanzapin); ortalama PANSS toplam puanı 76,4 ± 12,3 idi. Kontrol kontrol grupları yaş (±5 yaş) ve cinsiyet (her grup başına 5 erkek, 5 kadın) açısından eşleştirildi. Sözlü hafıza, Hopkins Sözel Öğrenme Testi–Revize (HVLT-R) kapsamında toplam hatırlama puanı kullanılarak değerlendirildi. Tüm denekler 1 Ocak ile 31 Temmuz 2025 tarihleri arasında Wuhan Rongjun Youfu Hastanesi'nden işe alındı. Temel demografik bilgiler Tablo 1'de özetlenmiştir.

Örneklem büyüklüğü, iki kuyruklu bağımsız t-testi için örnek boyutu hesaplama yazılımı kullanılarak belirlendi; etki boyutu 1.2, α = 0.05 ve güç (1-β) = 0.80 oldu; böylece grup başına en az dokuz denek elde edildi.

Venöz kan EDTA antikoagülasyonlu tüplere çekilir ve gecikmesiz işlenmiştir. Çevresel kan mononükleer hücreleri (PBMC'ler), yoğunluk gradyanı ortamı kullanılarak yoğunluk gradyan santrifüjasyonu ile örneklerden ayrıldı. Kısa bir süreliğine, kan fosfatla tamponlu tuzlu (PBS, pH 7.4) ile 1:1 oranında seyreltildi, yoğunluk gradyanı ortamına katmanlandı ve fren kapalı olarak 20 °C'de 30 dakika boyunca 400 × g'de santrifüj edildi. Santrifüjlemeden sonra, PBMC içeren arayüz dikkatlice yeni bir tüpe aktarıldı. Hücreler PBS ile iki kez durulandı, her yıkama ardından 300 × g sıcaklıkta 4 °C'de 10 dakika boyunca santrifüj yapıldı ve son pelet PBS ile askıya alındı. Yaşamlılık, trypan blue boya dışlama yöntemiyle değerlendirildi ve yalnızca %95 canlı hücre ≥içeren preparatlar kullanıldı. İzole PBMC'ler alkotasyonla tutulup RNA çıkarımından önce en fazla 3 ay boyunca −80 °C'de saklandı.

Mikroarray verileri
Çalışmanın iş akışı Şekil 1'de gösterilmiştir. Mikroarray veri seti GSE54913 GEO veritabanından indirildi (http://www.ncbi.nlm.nih.gov/geo/). Bu veri seti seçildi çünkü (1) biyomarker keşfi için minimal invaziv ve klinik olarak pratik olan periferik kan örneklerinden alınan transkriptomik veriler içeriyor; (2) kamuya açık şizofreni mikroarray veri setleri arasında nispeten büyük bir örneklem büyüklüğünü içerir (18 hasta, 12 kontrol); (3) ham veriler yeniden analiz için mevcuttu. GEO kaydına göre, örnekler plazmadan değil, periferik kan mononükleer hücrelerinden (PBMC) alınmıştır. Önceki versiyondaki orijinal tanım 'plazma örnekleri' bir hata olmuş ve düzeltilmiştir.

Veri ön işleme ve farklı olarak ifade edilen gen (DEG) taraması
Ham veri (. CEL dosyaları) mikroarray ön işleme yazılımı kullanılarak önceden işlenirdi. Arka plan düzeltmesi Robust Multichip Average (RMA) yöntemiyle gerçekleştirildi, ardından quantil normalizasyon ve log2 dönüşümü yapıldı. Gen açıklaması olmayan probesetler filtrelendi. Örnekler arasında %>20 eksik değere sahip problar hariç tutuldu; Kalan problar için eksik değerler, eksik değer imputasyon yazılımında uygulanan K-en yakın komşular algoritması (k = 10) kullanılarak atveledildi. GEO kaydına göre tüm örnekler tek bir partide işlendiği için parti etkileri yoktu. Ön işlemeden sonra, 17.200 genin ifade değerleri alındı ve ardından analiz yapıldı. Şizofreni hastaları ile sağlıklı kontroller arasındaki DE'ler, diferansiyel ifade analiz yazılımı kullanılarak tespit edilmiştir. Yanlış keşif oranı (FDR) 0,05<, mutlak katlama değişimi (FC) > 1,2 ve P < 0,05 olan genler farklı olarak ifade edilen kabul edildi. Görece düşük bir FC eşiği (mutlak FC >1.2) seçildi çünkü şizofreni, bireysel gen ifade farklılıklarının genellikle dramatik değil, ince olduğu karmaşık bir psikiyatrik bozukluktur.

GO ve yol zenginleştirme analizleri
Gen Ontolojisi (GO) terimleri ve Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) yolları için fonksiyonel zenginleştirme analizleri fonksiyonel zenginleştirme analiz yazılımı kullanılarak gerçekleştirildi. Arka plan gen seti, ön işlemeden geçen tüm genlerden (17.200 gen) oluşuyordu. Ham P-değerleri 0.05 < zenginleştirme terimleri ve yolları rapor edilmiştir. GO ve KEGG zenginleştirme çıktıları için ham P-değerleri kullanıldığı için, bu sonuçlar keşif amaçlı olarak yorumlanmalıdır.

PPI ağ analizi ve hub gen tanımı
PPI ağı oluşturmak için protein-protein etkileşim veritabanı kullanıldı ve eşik olarak 0.9 > birleşik etkileşim puanı belirlendi. Ağ, ağ görselleştirme yazılımı kullanılarak görselleştirildi. Hub genleri, Degree algoritmasına sahip bir hub gen tanımlama eklentisi kullanılarak tanımlandı. En yüksek derece puanına sahip ilk 10 düğüm merkez genleri olarak seçildi. Ana merkez genlerinin alt ağı, varsayılan parametrelere sahip bir alt ağ çıkarma eklentisi kullanılarak çıkarıldı (derece kesme = 2, düğüm skor kesme noktası = 0.2, K-çekirdek = 2, maksimum derinlik = 100).

Toplam RNA izolasyonu ve qRT-PCR
β-Aktin, iç referans (temizlik) geni olarak kullanıldı. Örnekler arasında β-aktin ekspresyonunun stabilitesi, şizofreni ile kontrol grupları arasında Ct değerlerinde anlamlı bir fark olmamasıyla doğrulandı (P > 0.05). Göreceli niceliklendirme 2−ΔΔCt yöntemiyle gerçekleştirilmiştir. Tüm reaksiyonlar üçlü olarak gerçekleştirildi ve hesaplamada ortalama Ct değeri kullanıldı (bkz. Tablo 2'deki primer dizileri). Mikroarray verilerinin genel güvenilirliğini doğrulamak için ilk qRT-PCR doğrulaması için en iyi on DEG'ler (en önemli şekilde yukarı regule edilen beşi ve katlanma değişimiyle en belirgin şekilde aşağı regule edilen beşi) seçildi. Daha sonra, SUCNR1 ve GPR37L1 üç kritere göre odaklanmış doğrulama için seçildi: (1) PPI ağ analizinde hub genleri olarak tanımlandılar (derece ≥ 7); (2) en yüksek zenginleştirilmiş GO terimi 'iyon kanalı aktivitesi' ve KEGG yolu 'insülin salgılanması' ile anlamlı ilişkilendirilmişti; (3) her ikisi de şizofrenide bilinen ilaç hedefleri olan GPCR'leri kodlar.

İstatistiksel analiz
Normallik Shapiro–Wilk testi ile değerlendirildi. Yaklaşık normal dağılıma sahip değişkenler (P > 0.05) parametrik yöntemlerle analiz edildi; bunlar arasında iki grup karşılaştırmaları için Student t-testi ve iki gruptan fazla olan karşılaştırmalar için tek yönlü ANOVA da bulundu. Normallik varsayımı karşılanmadığında, uygun olduğunda Mann–Whitney U veya Kruskal–Wallis testleri kullanıldı. Tüm istatistiksel testler iki kuyrukluydu. Birden fazla karşılaştırma için (örneğin, ANOVA sonrası testlerde) Benjamini-Hochberg yanlış keşf oranı (FDR) yöntemi uygulandı ve FDR eşiği 0.05 oldu. Korelasyon analizleri için çoklu karşılaştırma düzeltmesi uygulanmadı, çünkü sadece iki korelasyon yapıldı; ham P-değerleri temkinli şekilde bildirilir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

DEG'lerin tanımlanması ve hiyerarşik kümelenme
GSE54913 veri setinin analizi, şizofreni hastaları ile kontrol hastaları arasında 357 yukarı regülasyonlu ve 116 aşağı regülasyona sahip 473 farklı şekilde eksprese edilen gen (DEG) tespit etti (Şekil 2A,B). Bu DEG'lerin hiyerarşik kümelenmesi, şizofreni örneklerini kontrol örneklerinden ayırt eder (Şekil 2C).

...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Şizofreni, çok sayıda genetik duyarlılık faktörünü içeren şiddetli, çok faktörlü birhastalıktır 13,14. Patofizyolojisinin anlaşılmasında ilerleme kaydedilmiş olsa da, güvenilir tanısal biyobelirteçler hâlâ eksiktir. Bu çalışmada, entegre bir biyoinformatik yaklaşım, şizofreni hastalarından alınan kan örneklerinde 473 DERECE tespit edilmiştir. GO ve KEGG analizleri, insülin salgılanması, cAMP sinyalizasyonu, nukleotid eksizyon ona...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarların beyan edecek çıkar çatışmaları yoktur.

Teşekkürler

Bu çalışma, Çin'in Bulaşıcı Kronik Hastalıklar-Ulusal Bilim ve Teknoloji Ana Projesi (2025ZD0549004) tarafından desteklenmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
affyBioconductorhttps://bioconductor.org/packages/affy/microarray preprocessing software.
Description: R package for microarray preprocessing
clusterProfilerBioconductorhttps://bioconductor.org/packages/clusterProfiler/functional enrichment analysis software.
Description: R package for functional enrichment analysis
CytoHubbaNational Institute of Bioinformaticshttps://apps.cytoscape.org/apps/cytohubbahub gene identification plugin.
Description: Cytoscape plugin for hub gene identification
CytoscapeCytoscape Consortiumhttps://cytoscape.org/network visualization software.
Description: Software for network visualization and analysis
G*PowerHeinrich Heine University Düsseldorfhttps://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpower sample size calculation software.
Description: Sample size calculation software
GraphPad PrismGraphPad Softwarehttps://www.graphpad.com/statistical analysis and graphing software.
Description: Statistical analysis and graphing software
Histopaque-1077Sigma-Aldrich10771density gradient medium.
Description: Density gradient medium for PBMC isolation
imputeBioconductorhttps://bioconductor.org/packages/impute/missing-value imputation software.
Description: R package for missing-value imputation
LimmaBioconductorhttps://bioconductor.org/packages/limma/differential expression analysis software.
Description: R package for differential expression analysis
MCODECytoscape apphttps://apps.cytoscape.org/apps/mcodesubnetwork extraction plugin.
Description: Cytoscape plugin for subnetwork extraction
R/BioconductorR Foundationhttps://www.r-project.org/statistical computing environment.
Description: Statistical computing environment
STRINGEMBLhttps://string-db.org/protein-protein interaction database.
Description: Protein-protein interaction database
SYBR GreenTakaraRR820A fluorescent dye for qRT-PCR.
Description: Fluorescent dye for qRT-PCR
TRIzolTakara9109RNA extraction reagent.
Description: Reagent for RNA extraction

Kaynaklar

  1. Memetoglu O, Du F, Chouinard VA, Öngür D. Reductive stress and dysregulated energy metabolism in schizophrenia: mechanisms and therapeutic targets. Biol Psychiatry. 2025. doi:10.1016/j.biopsych.2025.10.008.
  2. GBD 2023 Intimate Partner Violence and Sexual Violence against Children Collaborators. Disease burden attributable to intimate partner violence against females and sexual violence against children in 204 countries and territories, 1990-2023: a systematic analysis for the Global Burden of Disease Study 2023. Lancet. 2025;407(10523):31-52.
  3. Raaphorst J, et al. Non-targeted immunosuppressive and immunomodulatory therapies for idiopathic inflammatory myopathies. Cochrane Database Syst Rev. 2025;8(8).
  4. Richetto J, Meyer U. Epigenetic modifications in schizophrenia and related disorders: molecular scars of environmental exposures and source of phenotypic variability. Biol Psychiatry. 2021;89(3):215-26.
  5. Martorell L, et al. Analyses of variants located in estrogen metabolism genes (ESR1, ESR2, COMT and APOE) and schizophrenia. Schizophr Res. 2008;100(1-3):308-15.
  6. Zieba J, Morris MJ, Weickert CS, Karl T. Behavioural effects of high fat diet in adult Nrg1 type III transgenic mice. Behav Brain Res. 2020;377:112217.
  7. Luo N, et al. Exploring different impaired speed of genetic-related brain function and structures in schizophrenic progress using multimodal analysis. Annu Int Conf IEEE Eng Med Biol Soc. 2018;2018:4126-9.
  8. Garcia-Alvarez L, et al. Differential blood-based biomarkers of psychopathological dimensions of schizophrenia. Rev Psiquiatr Salud Ment. 2016;9(4):219-27.
  9. Chu TT, Liu Y. An integrated genomic analysis of gene-function correlation on schizophrenia susceptibility genes. J Hum Genet. 2010;55(5):285-92.
  10. Gardner A, Mitchell B, Beckingham W, Fasugba O. A point prevalence cross-sectional study of healthcare-associated urinary tract infections in six Australian hospitals. BMJ Open. 2014;4(7).
  11. Bindu NJ, et al. Discovery of biomarkers and drug targets in different kidney diseases by explainable AI and functional genomics [conference paper]. Presented at: 2025 7th International Conference on Electrical Information and Communication Technology; 2025 Dec 17-19.
  12. Saha S, et al. Unveiling common biomarkers and therapeutic targets in T2DM, AMI, and Alzheimer’s disease using XAI and bioinformatics approaches [conference paper]. Presented at: 2025 7th International Conference on Electrical Information and Communication Technology; 2025 Dec 17-19.
  13. Ferraro F, et al. Correcting differential gene expression analysis for cyto-architectural alterations in substantia nigra of Parkinson’s disease patients reveals known and potential novel disease-associated genes and pathways. Cells. 2022;11(2):198.
  14. Reay WR, et al. Polygenic disruption of retinoid signalling in schizophrenia and a severe cognitive deficit subtype. Mol Psychiatry. 2020;25(4):719-31.
  15. Ma D, Gu C. Discovering functional interactions among schizophrenia-risk genes by combining behavioral genetics with cell biology. Neurosci Biobehav Rev. 2024;167:105897.
  16. Gawande DY, et al. GluN2D subunit in parvalbumin interneurons regulates prefrontal cortex feedforward inhibitory circuit and molecular networks relevant to schizophrenia. Biol Psychiatry. 2023;94(4):297-309.
  17. Baez-Nieto D, et al. Analysing an allelic series of rare missense variants of CACNA1I in a Swedish schizophrenia cohort. Brain. 2022;145(5):1839-53.
  18. Calovi S, et al. P2X7 receptor-dependent layer-specific changes in neuron-microglia reactivity in the prefrontal cortex of a phencyclidine-induced mouse model of schizophrenia. Front Mol Neurosci. 2020;13:566251.
  19. Petruzzelli MG, et al. Hyperprolactinemia and insulin resistance in drug-naive patients with early onset first episode psychosis. BMC Psychiatry. 2018;18(1):246.
  20. Fan R, et al. Gα13 overexpression in the medial prefrontal cortex disrupts social behavior through the Adcyap1/cAMP/PKA/NMDAR pathway. Schizophr Bull. 2025. doi:10.1093/schbul/sbaf131.
  21. Ershova ES, et al. Antipsychotics affect satellite III (1q12) copy number variations in the cultured human skin fibroblasts. Int J Mol Sci. 2023;24(14):11283.
  22. Wei Y, et al. Unraveling cannabidiol’s dual modulatory role in schizophrenia: network pharmacology and in vivo validation of neuroinflammatory and behavioral modulation. Mol Neurobiol. 2026;63:278.
  23. Górny M, Lorenc-Koci E, Iciek M. Deficyt glutationu i zaburzenia homeostazy związków siarkowych w patofizjologii schizofrenii. Postepy Biochem. 2025;71(3):228-37.
  24. Boczek T, et al. The role of G protein-coupled receptors and calcium signaling in schizophrenia: focus on GPCRs activated by neurotransmitters and chemokines. Cells. 2021;10(5):1228.
  25. Sabadell-Basallote J, et al. SUCNR1 regulates insulin secretion and glucose elevates the succinate response in people with prediabetes. J Clin Invest. 2024;134(12).
  26. van Diepen JA, et al. SUCNR1-mediated chemotaxis of macrophages aggravates obesity-induced inflammation and diabetes. Diabetologia. 2017;60(7):1304-13.
  27. Guest PC. Insulin resistance in schizophrenia. Adv Exp Med Biol. 2019;1134:1-16.
  28. Bang S, et al. Satellite glial GPR37L1 and its ligand maresin 1 regulate potassium channel signaling and pain homeostasis. J Clin Invest. 2024;134(9).
  29. Massimi M, Di Pietro C, La Sala G, Matteoni R. Mouse mutants of Gpr37 and Gpr37l1 receptor genes: disease modeling applications. Int J Mol Sci. 2022;23(8):4288.
  30. Zheng X, Asico LD, Ma X, Konkalmatt PR. G protein-coupled receptor 37L1 regulates renal sodium transport and blood pressure. Am J Physiol Renal Physiol. 2019;316(3).
  31. Tranfa M, et al. Neural substrates of verbal memory impairment in schizophrenia: a multimodal connectomics study. Hum Brain Mapp. 2023;44(7):2829-40.
  32. Sumiyoshi T. Verbal memory. Handb Exp Pharmacol. 2015;228:237-47.
  33. Grimes KM, Zanjani A, Zakzanis KK. Memory impairment and the mediating role of task difficulty in patients with schizophrenia. Psychiatry Clin Neurosci. 2017;71(9):600-11.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Etiketler

izofreni Biyobelirte leriSUCNR1 EkspresyonuGPR37L1 EkspresyonuBiyoenformatik AnalizKantitatif Real Time PCRMikroarray Veri SetiGen OntolojisiKEGG Yolayon Kanal AktivitesiProtein Etkile im A
Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.