Exploring the phenotypic consequences of tissue specific gene expression variation inferred from GWAS summary statistics

2018· article· en· 1 231 citations· W2759086237 sur OpenAlex· 10.1038/s41467-018-03621-1

Pourquoi ce travail est-il 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.

Affiliation canadienneUne personne signataire a déclaré un établissement canadien. C'est la seule voie dont dispose la base habituelle.

Scores machine (provisoires)

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

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.

Tête enseignante Opus0,066

Tête enseignante GPT0,319

Écart entre enseignants: 0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation: 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

Résumé

Scalable, integrative methods to understand mechanisms that link genetic variants with phenotypes are needed. Here we derive a mathematical expression to compute PrediXcan (a gene mapping approach) results using summary data (S-PrediXcan) and show its accuracy and general robustness to misspecified reference sets. We apply this framework to 44 GTEx tissues and 100+ phenotypes from GWAS and meta-analysis studies, creating a growing public catalog of associations that seeks to capture the effects of gene expression variation on human phenotypes. Replication in an independent cohort is shown. Most of the associations are tissue specific, suggesting context specificity of the trait etiology. Colocalized significant associations in unexpected tissues underscore the need for an agnostic scanning of multiple contexts to improve our ability to detect causal regulatory mechanisms. Monogenic disease genes are enriched among significant associations for related traits, suggesting that smaller alterations of these genes may cause a spectrum of milder phenotypes.

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.

La notice

Revue: Nature Communications
Thématique: Genetic Associations and Epidemiology
Domaine: Biochemistry, Genetics and Molecular Biology
Établissements canadiens: McGill UniversityMcGill Genome Centre
Organismes subventionnaires: Common FundNational Institute of Neurological Disorders and StrokeNational Institute of Diabetes and Digestive and Kidney DiseasesNational Cancer InstituteNIH Office of the DirectorNational Institute of Mental HealthNational Heart, Lung, and Blood InstituteDirectorate for Biological SciencesNational Institutes of HealthBroad InstituteUniversité de GenèveLoyola University ChicagoUniversity of ChicagoHarvard UniversityNational Center for Advancing Translational SciencesNational Human Genome Research InstituteWellcome TrustUniversity of PennsylvaniaGeorgia Clinical and Translational Science AllianceNational Institute on Drug AbuseUniversity of Miami
Mots-clés: Genome-wide association studyPhenotypeVariation (astronomy)Computational biologyBiologyGene expressionSummary statisticsGeneEvolutionary biologyGeneticsStatisticsSingle-nucleotide polymorphismGenotype
Résumé présent dans OpenAlex: oui
API: /api/v1/works/W2759086237