MétaCan
Menu
Retour à la cohorte
Enregistrement W2109167239 · doi:10.2337/db14-0318

Genetic Evidence for a Normal-Weight “Metabolically Obese” Phenotype Linking Insulin Resistance, Hypertension, Coronary Artery Disease, and Type 2 Diabetes

2014· article· en· W2109167239 sur OpenAlexaff
Hanieh Yaghootkar, Robert A. Scott, Charles C. White, Weihua Zhang, Elizabeth K. Speliotes, Patricia B. Munroe, Georg Ehret, Joshua C. Bis, Caroline S. Fox, Mark Walker, Ingrid B. Borecki, Joshua W. Knowles, Laura M. Yerges‐Armstrong, Claes Ohlsson, John R. B. Perry, John C. Chambers, Jaspal S. Kooner, Nora Franceschini, Claudia Langenberg, Marie‐France Hivert, Zari Dastani, J. Brent Richards, Robert K. Semple, Timothy M. Frayling

Notice bibliographique

RevueDiabetes · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNuclear Structure and Function
Établissements canadiensMcGill University
Organismes subventionnairesMedical Research CouncilNovo Nordisk FondenWellcome Trust
Mots-clésInternal medicineInsulin resistanceEndocrinologyType 2 diabetesAdiponectinMedicineDiabetes mellitusCoronary artery diseaseAdipose tissueLipodystrophyAlleleMetabolic syndromeBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

The mechanisms that predispose to hypertension, coronary artery disease (CAD), and type 2 diabetes (T2D) in individuals of normal weight are poorly understood. In contrast, in monogenic primary lipodystrophy-a reduction in subcutaneous adipose tissue-it is clear that it is adipose dysfunction that causes severe insulin resistance (IR), hypertension, CAD, and T2D. We aimed to test the hypothesis that common alleles associated with IR also influence the wider clinical and biochemical profile of monogenic IR. We selected 19 common genetic variants associated with fasting insulin-based measures of IR. We used hierarchical clustering and results from genome-wide association studies of eight nondisease outcomes of monogenic IR to group these variants. We analyzed genetic risk scores against disease outcomes, including 12,171 T2D cases, 40,365 CAD cases, and 69,828 individuals with blood pressure measurements. Hierarchical clustering identified 11 variants associated with a metabolic profile consistent with a common, subtle form of lipodystrophy. A genetic risk score consisting of these 11 IR risk alleles was associated with higher triglycerides (β = 0.018; P = 4 × 10(-29)), lower HDL cholesterol (β = -0.020; P = 7 × 10(-37)), greater hepatic steatosis (β = 0.021; P = 3 × 10(-4)), higher alanine transaminase (β = 0.002; P = 3 × 10(-5)), lower sex-hormone-binding globulin (β = -0.010; P = 9 × 10(-13)), and lower adiponectin (β = -0.015; P = 2 × 10(-26)). The same risk alleles were associated with lower BMI (per-allele β = -0.008; P = 7 × 10(-8)) and increased visceral-to-subcutaneous adipose tissue ratio (β = -0.015; P = 6 × 10(-7)). Individuals carrying ≥17 fasting insulin-raising alleles (5.5% population) were slimmer (0.30 kg/m(2)) but at increased risk of T2D (odds ratio [OR] 1.46; per-allele P = 5 × 10(-13)), CAD (OR 1.12; per-allele P = 1 × 10(-5)), and increased blood pressure (systolic and diastolic blood pressure of 1.21 mmHg [per-allele P = 2 × 10(-5)] and 0.67 mmHg [per-allele P = 2 × 10(-4)], respectively) compared with individuals carrying ≤9 risk alleles (5.5% population). Our results provide genetic evidence for a link between the three diseases of the "metabolic syndrome" and point to reduced subcutaneous adiposity as a central mechanism.

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)0,002
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 seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,010
Tête enseignante GPT0,210
Écart entre enseignants0,200 · 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'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

Citations228
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetNuclear Structure and FunctionTravaux en français237 207