Genome-wide association study of Alcohol Use Disorder Identification Test (AUDIT) scores in 20,328 research participants of European ancestry
Notice bibliographique
Résumé
ABSTRACT Genetic factors contribute to the risk for developing alcohol use disorder ( AUD ). In collaboration with the genetics company 23andMe, Inc., we performed a genome-wide association ( GWAS ) study of the Alcohol Use Disorder Identification Test ( AUDIT ), an instrument designed to screen for alcohol misuse over the past year. Our final sample consisted of 20,328 research participants of European ancestry (55.3% females; mean age = 53.8, SD = 16.1) who reported ever using alcohol. Our results showed that the ‘chip-heritability’ of AUDIT score, when treated as a continuous phenotype, was 12%. No loci reached genome-wide significance. The gene ADH1C , which has been previously implicated in AUD, was among our most significant associations (4.4 × 10 −7 ; rs141973904). We also detected a suggestive association on chromosome 1 (2.1 × 10 −7 ; rs182344113) near the gene KCNJ9 , which has been implicated in mouse models of high ethanol drinking. Using LD score regression, we identified positive genetic correlations between AUDIT score and AUD, high alcohol consumption, and cigarette smoking. We also observed an unexpected positive genetic correlation between AUDIT and educational attainment, and additional unexpected negative correlations with BMI/obesity and attention-deficit/hyperactivity disorder ( ADHD ). We conclude that conducting a genetic study using data from a population unselected for AUD and responding to an online questionnaire may represent a cost-effective strategy for elucidating the etiology of AUD.
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 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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».