← Retour à la cohorte
Biological insights from 108 schizophrenia-associated genetic loci
Jacqueline I. Goldstein, Stephan Ripke, Hailiang Huang, Kai-How Farh, Brendan Bulik‐Sullivan, Kimberly D. Chambert, Giulio Genovese, Jordan W. Smoller, Phil Lee, Edward M. Scolnick, Elizabeth Bevilacqua, Jennifer L. Moran, Aarno Palotie, Tracey L. Petryshen, Richard A. Belliveau, Steven A. McCarroll, Sarah E. Bergen, Benjamin M. Neale, Alkes L. Price, Mark J. Daly, Paul Cormican, Aiden Corvin, Michael Gill, Gary Donohoe, Alexander Richards, Michael J. Owen, Noa Carrera, Marian L. Hamshere, Nick Craddock, David Kavanagh, Peter Holmans, George Kirov, Sophie E. Legge, Valentina Escott‐Price, Nigel Williams, Andrew Pocklington, Lyudmila Georgieva, James Walters, David Collier, Younes Mokrab, Tune H. Pers, Erik Söderman, Srdjan Djurovic, Morten Mattingsdal, Ole A. Andreassen, Ingrid Melle, Esben Agerbo, Preben Bo Mortensen, Henrik B. Rasmussen, Ditte Demontis, Line Olsen, Thomas Folkmann Hansen, Margot Albus, Madeline Alexander, Claudine Laurent, Douglas F. Levinson, Farooq Amin, Silviu‐Alin Bacanu, Bradley T. Webb, Tim B. Bigdeli, Brandon Wormley, Christian Hammer, Martin Begemann, Sergi Papiol, Hannelore Ehrenreich, Béla Melegh, Christina M. Hultman, Patrik K. E. Magnusson, Anna K. Kähler, Donald W. Black, Richard Bruggeman, Nancy G. Buccola, Randy L. Buckner, William Byerley, René S. Kahn, Wiepke Cahn, Eric Strengman, Guiqing Cai, Jeremy M. Silverman, Vahram Haroutunian, Joseph D. Buxbaum, Elena Parkhomenko, Joseph I. Friedman, Elodie Drapeau, Kenneth L. Davis, Abraham Reichenberg, Dominique Campion, Rita M. Cantor, Frans Henskens, Vaughan J. Carr, Christos Pantelis, Patricia T. Michie, Rodney J. Scott, Stanley V. Catts, Ulrich Schall, Raymond Chan, Hon‐Cheong So, Ronald Y.L. Chen, Emily Wong, Eric Chen, Wei Cheng, Eric Cheung, Jimmy Lee, Siow Ann Chong, Kang Sim, Mythily Subramaniam, C. Robert Cloninger, Dragan M. Švrakić, David Cohen, Nadine Cohen, Yunjung Kim, Stephanie Williams, Martilias S. Farrell, James J. Crowley, Paola Giusti‐Rodríguez, Jin Szatkiewicz, David Curtis, Jonathan Pimm, Andrew McQuillin, Hugh Gurling, Michael Davidson, Mark Weiser, Franziska Degenhardt, Stefan Herms, Sven Cichon, Jurgen Del‐Favero, Manuel Mattheisen, Ole Mors, George N. Papadimitriou, Dimitris Dikeos, Timothy G. Dinan, Frank Dudbridge, Naser Durmishi, Peter Eichhammer, Johan G. Eriksson, Veikko Salomaa, Laurent Essioux, Ayman H. Fanous, Thomas G. Schulze, Stephanie H. Witt, Jana Strohmaier, Sandra Meier, Josef Frank, Marcella Rietschel, Lude Franke, Juha Karjalainen, Ann Olincy, Robert Freedman, Nelson B. Freimer, Marion Friedl, Bettina Konte, Annette M. Hartmann, Dan Rujescu, Menachem Fromer, Shaun Purcell, Stephanie Godard, В. Е. Голимбет, Qingqin S. Li, Srihari Gopal, Dai Wang, Naomi R. Wray, Bryan Mowry, Peter M. Visscher, Jacob Gratten, Sang Lee, Lieuwe de Haan, Carin J. Meijer, Mark Hansen, Pamela Sklar, Per Hoffmann, Tõnu Esko, Joel N. Hirschhorn, David M. Hougaard, Mads V. Hollegaard, Masashi Ikeda, Nakao Iwata, Inge Joa, Sara Marsal, Antonio Julià
Notice bibliographique
RevueNature · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensCentre for Addiction and Mental HealthUniversity of Toronto
Organismes subventionnairesNational Institute of Mental HealthStanley Center for Psychiatric Research, Broad InstituteDiakonhjemmetUniversitetet i OsloKarolinska InstitutetLundbeckfondenTrinity College DublinMedical Research CouncilCardiff UniversityAarhus UniversitetBroad InstituteDanmarks Tekniske UniversitetWellcome TrustVirginia Commonwealth UniversityKing's College LondonEli Lilly and CompanyEmory UniversityMassachusetts General HospitalNational Institute for Health and Care ResearchH. Lundbeck A/SU.S. Department of Veterans Affairs
Mots-clésSchizophrenia (object-oriented programming)Genome-wide association studyGenetic associationBiologyGeneticsAlleleGenePsychosisGenomeGenotypeMedicineSingle-nucleotide polymorphismPsychiatry
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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.
Tête enseignante Opus0,008
Tête enseignante GPT0,239
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations8 086
Publié2014
Routes d'admission1
Résumé présentnon