MétaCan
Menu
Retour à la cohorte
Enregistrement W2072130124 · doi:10.1007/s00439-013-1342-z

Genetics of healthy aging and longevity

2013· review· en· W2072130124 sur OpenAlexaff
Angela Brooks‐Wilson

Notice bibliographique

RevueHuman Genetics · 2013
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensSimon Fraser UniversityBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésLongevityBiologyGenome-wide association studyGeneticsGenetic associationAlleleSingle-nucleotide polymorphismHeritabilityMissing heritability problemPleiotropyLocus (genetics)EpigeneticsGenePhenotypeGenotype

Résumé

récupéré en direct d'OpenAlex

Longevity and healthy aging are among the most complex phenotypes studied to date. The heritability of age at death in adulthood is approximately 25 %. Studies of exceptionally long-lived individuals show that heritability is greatest at the oldest ages. Linkage studies of exceptionally long-lived families now support a longevity locus on chromosome 3; other putative longevity loci differ between studies. Candidate gene studies have identified variants at APOE and FOXO3A associated with longevity; other genes show inconsistent results. Genome-wide association scans (GWAS) of centenarians vs. younger controls reveal only APOE as achieving genome-wide significance (GWS); however, analyses of combinations of SNPs or genes represented among associations that do not reach GWS have identified pathways and signatures that converge upon genes and biological processes related to aging. The impact of these SNPs, which may exert joint effects, may be obscured by gene-environment interactions or inter-ethnic differences. GWAS and whole genome sequencing data both show that the risk alleles defined by GWAS of common complex diseases are, perhaps surprisingly, found in long-lived individuals, who may tolerate them by means of protective genetic factors. Such protective factors may 'buffer' the effects of specific risk alleles. Rare alleles are also likely to contribute to healthy aging and longevity. Epigenetics is quickly emerging as a critical aspect of aging and longevity. Centenarians delay age-related methylation changes, and they can pass this methylation preservation ability on to their offspring. Non-genetic factors, particularly lifestyle, clearly affect the development of age-related diseases and affect health and lifespan in the general population. To fully understand the desirable phenotypes of healthy aging and longevity, it will be necessary to examine whole genome data from large numbers of healthy long-lived individuals to look simultaneously at both common and rare alleles, with impeccable control for population stratification and consideration of non-genetic factors such as environment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,336
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations382
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman GeneticsMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207