MétaCan
Menu
Retour à la cohorte
Enregistrement W2108102133 · doi:10.1016/j.ymgme.2014.04.007

Pleiotropic genes for metabolic syndrome and inflammation

2014· review· en· W2108102133 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMolecular Genetics and Metabolism · 2014
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePeroxisome Proliferator-Activated Receptors
Établissements canadiensMcGill University Health CentreMcGill UniversityJewish General Hospital
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Center for Research ResourcesMedical Research CouncilNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institute of Nursing ResearchJohns Hopkins UniversityNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteNational Institute on AgingNational Cancer InstituteNational Institutes of HealthNational Center for Advancing Translational SciencesNederlandse Organisatie voor Wetenschappelijk OnderzoekWellcome Trust
Mots-clésPleiotropyGenome-wide association studyMetabolic syndromeSingle-nucleotide polymorphismSNPBiologyGeneticsQuantitative trait locusGenetic associationDiabetes mellitusGeneBioinformaticsGenotypeEndocrinologyPhenotype

Résumé

récupéré en direct d'OpenAlex

Metabolic syndrome (MetS) has become a health and financial burden worldwide. The MetS definition captures clustering of risk factors that predict higher risk for diabetes mellitus and cardiovascular disease. Our study hypothesis is that additional to genes influencing individual MetS risk factors, genetic variants exist that influence MetS and inflammatory markers forming a predisposing MetS genetic network. To test this hypothesis a staged approach was undertaken. (a) We analyzed 17 metabolic and inflammatory traits in more than 85,500 participants from 14 large epidemiological studies within the Cross Consortia Pleiotropy Group. Individuals classified with MetS (NCEP definition), versus those without, showed on average significantly different levels for most inflammatory markers studied. (b) Paired average correlations between 8 metabolic traits and 9 inflammatory markers from the same studies as above, estimated with two methods, and factor analyses on large simulated data, helped in identifying 8 combinations of traits for follow-up in meta-analyses, out of 130,305 possible combinations between metabolic traits and inflammatory markers studied. (c) We performed correlated meta-analyses for 8 metabolic traits and 6 inflammatory markers by using existing GWAS published genetic summary results, with about 2.5 million SNPs from twelve predominantly largest GWAS consortia. These analyses yielded 130 unique SNPs/genes with pleiotropic associations (a SNP/gene associating at least one metabolic trait and one inflammatory marker). Of them twenty-five variants (seven loci newly reported) are proposed as MetS candidates. They map to genes MACF1, KIAA0754, GCKR, GRB14, COBLL1, LOC646736-IRS1, SLC39A8, NELFE, SKIV2L, STK19, TFAP2B, BAZ1B, BCL7B, TBL2, MLXIPL, LPL, TRIB1, ATXN2, HECTD4, PTPN11, ZNF664, PDXDC1, FTO, MC4R and TOMM40. Based on large data evidence, we conclude that inflammation is a feature of MetS and several gene variants show pleiotropic genetic associations across phenotypes and might explain a part of MetS correlated genetic architecture. These findings warrant further functional investigation.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,277
Écart entre enseignants0,264 · 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