Genetic Risk Score Modelling for Disease Progression in New-Onset Type 1 Diabetes Patients: Increased Genetic Load of Islet-Expressed and Cytokine-Regulated Candidate Genes Predicts Poorer Glycemic Control
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.
Notice bibliographique
Résumé
Genome-wide association studies (GWAS) have identified over 40 type 1 diabetes risk loci. The clinical impact of these loci on β-cell function during disease progression is unknown. We aimed at testing whether a genetic risk score could predict glycemic control and residual β-cell function in type 1 diabetes (T1D). As gene expression may represent an intermediate phenotype between genetic variation and disease, we hypothesized that genes within T1D loci which are expressed in islets and transcriptionally regulated by proinflammatory cytokines would be the best predictors of disease progression. Two-thirds of 46 GWAS candidate genes examined were expressed in human islets, and 11 of these significantly changed expression levels following exposure to proinflammatory cytokines (IL-1β + IFNγ + TNFα) for 48 h. Using the GWAS single nucleotide polymorphisms (SNPs) from each locus, we constructed a genetic risk score based on the cumulative number of risk alleles carried in children with newly diagnosed T1D. With each additional risk allele carried, HbA1c levels increased significantly within first year after diagnosis. Network and gene ontology (GO) analyses revealed that several of the 11 candidate genes have overlapping biological functions and interact in a common network. Our results may help predict disease progression in newly diagnosed children with T1D which can be exploited for optimizing treatment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle