Polygenic Type 2 Diabetes Prediction at the Limit of Common Variant Detection
Notice bibliographique
Résumé
Genome-wide association studies (GWAS) may have reached their limit of detecting common type 2 diabetes (T2D)-associated genetic variation. We evaluated the performance of current polygenic T2D prediction. Using data from the Framingham Offspring (FOS) and the Coronary Artery Risk Development in Young Adults (CARDIA) studies, we tested three hypotheses: 1) a 62-locus genotype risk score (GRSt) improves T2D prediction compared with previous less inclusive GRSt; 2) separate GRS for β-cell (GRSβ) and insulin resistance (GRSIR) independently predict T2D; and 3) the relationships between T2D and GRSt, GRSβ, or GRSIR do not differ between blacks and whites. Among 1,650 young white adults in CARDIA, 820 young black adults in CARDIA, and 3,471 white middle-aged adults in FOS, cumulative T2D incidence was 5.9%, 14.4%, and 12.9%, respectively, over 25 years. The 62-locus GRSt was significantly associated with incident T2D in all three groups. In FOS but not CARDIA, the 62-locus GRSt improved the model C statistic (0.698 and 0.726 for models without and with GRSt, respectively; P < 0.001) but did not materially improve risk reclassification in either study. Results were similar among blacks compared with whites. The GRSβ but not GRSIR predicted incident T2D among FOS and CARDIA whites. At the end of the era of common variant discovery for T2D, polygenic scores can predict T2D in whites and blacks but do not outperform clinical models. Further optimization of polygenic prediction may require novel analytic methods, including less common as well as functional variants.
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 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,059 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».