Video Experimental Relacionado
Updated: Jan 18, 2026

Network Pharmacology and Validation of the Antidepressant Mechanisms of Qiangzhifang in a Chronic Restraint Stress-induced Depression Rat Model
Published on: June 6, 2025
Más allá de los síntomas de depresión: la red de modo predeterminado como predictor de la respuesta al antidepresivo
Kaizhong Zheng1, Liangjun Chen1, Huaning Wang2
1National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, National Engineering Research Center for Visual Information and Applications, and Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University, Xi'an, Shaanxi, China.
La conectividad reducida de la red de modo predeterminado (DMN) en pacientes con trastorno depresivo mayor (TDM) puede predecir la respuesta al tratamiento antidepresivo. Este hallazgo ofrece biomarcadores potenciales para guiar la terapia de TDM y comprender la neurobiología.
Área de la Ciencia:
- Neurociencia
- Psiquiatría
- Neuroimagen Médica
Sus antecedentes:
- La eficacia del tratamiento del trastorno depresivo mayor (TDM) es limitada y los mecanismos neuronales subyacentes no están claros.
- La red de modo predeterminado (DMN), especialmente la conectividad de la corteza prefrontal medial (mPFC)-corteza cingulada posterior (PCC), está implicada en el TDM.
- El potencial de la DMN como biomarcador de la respuesta antidepresiva requiere validación.
Objetivo del estudio:
- Investigar la relación entre la conectividad de la DMN y la respuesta al tratamiento antidepresivo en el TDM.
- Determinar si la conectividad efectiva (EC) de la DMN puede predecir los resultados del tratamiento.
- Explorar la EC de la DMN como un biomarcador potencial para guiar las decisiones de tratamiento del TDM.
Principales métodos:
- Análisis de datos de fMRI en estado de reposo de cuatro grandes cohortes de TDM (n=4271) utilizando la causalidad de Granger para la conectividad efectiva (EC) de la DMN.
- Comparación de la EC en pacientes con TDM recurrente, pacientes primerizos sin medicación y controles sanos utilizando modelos lineales mixtos.
- Entrenamiento de clasificadores de máquina de vectores de soporte (SVM) y regresión de vectores de soporte (SVR) para predecir la respuesta al tratamiento utilizando la EC mPFC-PCC.
Principales resultados:
- Los pacientes con TDM recurrente mostraron una EC mPFC-PCC significativamente reducida en comparación con los controles y los pacientes del primer episodio.
- La EC reducida se correlacionó con el uso de medicamentos antidepresivos y la duración de la enfermedad.
- La EC mPFC-PCC predijo la respuesta al tratamiento antidepresivo con alta precisión mediante clasificadores SVM, independientemente de los síntomas depresivos centrales.
Conclusiones:
- La conectividad efectiva reducida mPFC-PCC puede servir como un biomarcador predictivo para la respuesta al tratamiento antidepresivo en el TDM.
- Las medidas de conectividad de la DMN ofrecen información sobre la neurobiología del TDM.
- Estos hallazgos respaldan el potencial clínico de la conectividad de la DMN para estrategias de tratamiento personalizadas del TDM.
Videos de Conceptos Relacionados
Antidepressant Drugs: MAOIs and Other Agents
Antidepressant Drugs: Overview
Antidepressant Drugs: Tricyclics, SSRIs, and SNRIs
Depressive Disorders: MDD and Dysthymia
Depressive Disorders: Etiology
Biological Factors in Depression
Biological predispositions significantly influence the risk of developing depressive disorders. Genetic studies highlight the role of variations in the serotonin transporter...
Depression: Overview

