Increasing Genotype-Phenotype Model Determinism: Application to Bivariate Reading/Language Traits and Epistatic Interactions in Language-Impaired Families
Notice bibliographique
Résumé
While advances in network and pathway analysis have flourished in the era of genome-wide association analysis, understanding the genetic mechanism of individual loci on phenotypes is still readily accomplished using genetic modeling approaches. Here, we demonstrate two novel genotype-phenotype models implemented in a flexible genetic modeling platform. The examples come from analysis of families with specific language impairment (SLI), a failure to develop normal language without explanatory factors such as low IQ or inadequate environment. In previous genome-wide studies, we observed strong evidence for linkage to 13q21 with a reading phenotype in language-impaired families. First, we elucidate the genetic architecture of reading impairment and quantitative language variation in our samples using a bivariate analysis of reading impairment in affected individuals jointly with language quantitative phenotypes in unaffected individuals. This analysis largely recapitulates the baseline analysis using the categorical trait data (posterior probability of linkage (PPL) = 80%), indicating that our reading impairment phenotype captured poor readers who also have low language ability. Second, we performed epistasis analysis using a functional coding variant in the brain-derived neurotrophic factor (BDNF) gene previously associated with reduced performance on working memory tasks. Modeling epistasis doubled the evidence on 13q21 and raised the PPL to 99.9%, indicating that BDNF and 13q21 susceptibility alleles are jointly part of the genetic architecture of SLI. These analyses provide possible mechanistic insights for further cognitive neuroscience studies based on the models developed herein.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».