Subphenotype mapping in systemic lupus erythematosus identifies multiple novel loci associated with circulating interferon alpha
Notice bibliographique
Résumé
Systemic lupus erythematosus (SLE) is a chronic autoimmune disorder characterized by inflammation of multiple organ systems, loss of tolerance to self-antigens, and dysregulated interferon responses. SLE is both genetically and phenotypically heterogeneous, and we hypothesize that this greatly reduces the power of overall case-control studies in SLE. Increased circulating level of the cytokine interferon alpha (IFNα) is a stable, heritable trait in SLE which has been implicated in primary disease pathogenesis. Forty to 50% of patients have high IFNα, and high levels correspond with clinical differences. To study genetic heterogeneity in SLE, we performed a case-case study comparing patients with high versus low IFNα in over 1,800 SLE cases. Four hundred European ancestry cases formed the discovery GWAS set, and 1,443 cases from a large independent multi-ancestral replication cohort were used to validate associations. In meta-analysis, the top associations in European ancestry were PRKG1 rs7897633 ( P Meta = 2.75 × 10 ) and PNP rs1049564 (P Meta = 1.24 × 10 ). We also found evidence for cross-ancestral background associations with the ANKRD44 and PLEKHF2 loci. These loci have not been previously identified in case-control SLE genetics studies. Bioinformatic analyses implicate these loci functionally in dendritic cells and natural killer cells, both of which are involved in IFNα production in SLE. As case-control studies of complex heterogeneous diseases reach a limit of feasibility with respect to subject number and detectable effect size, the study of informative pathogenic subphenotypes becomes a highly attractive and efficient strategy for genetic discovery in complex human disease.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».