Heritability of Lung Disease Severity in Cystic Fibrosis
Notice bibliographique
Résumé
RATIONALE: Obstructive lung disease, the major cause of mortality in cystic fibrosis (CF), is poorly correlated with mutations in the disease-causing gene, indicating that other factors determine severity of lung disease. OBJECTIVES: To quantify the contribution of modifier genes to variation in CF lung disease severity. METHODS: Pulmonary function data from patients with CF living with their affected twin or sibling were converted into reference values based on both healthy and CF populations. The best measure of FEV(1) within the last year was used for cross-sectional analysis. FEV(1) measures collected over at least 4 years were used for longitudinal analysis. Genetic contribution to disease variation (i.e., heritability) was estimated in two ways: by comparing similarity of lung function in monozygous (MZ) twins (approximately 100% gene sharing) with that of dizygous (DZ) twins/siblings (approximately 50% gene sharing), and by comparing similarity of lung function measures for related siblings to similarity for all study subjects. MEASUREMENTS AND MAIN RESULTS: Forty-seven MZ twin pairs, 10 DZ twin pairs, and 231 sibling pairs (of a total of 526 patients) with CF were studied. Correlations for all measures of lung function for MZ twins (0.82-0.91, p < 0.0001) were higher than for DZ twins and siblings (0.50-0.64, p < 0.001). Heritability estimates from both methods were consistent for each measure of lung function and ranged from 0.54 to 1.0. Heritability estimates generally increased after adjustment for differences in nutritional status (measured as body mass index z-score). CONCLUSIONS: Our heritability estimates indicate substantial genetic control of variation in CF lung disease severity, independent of CFTR genotype.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».