MétaCan
Menu
Retour à la cohorte
Enregistrement W2767487636

Translating Mouse Systems Genetics to Discovery in Human Disease

2017· article· en· W2767487636 sur OpenAlexfundno aff
Pritha Gupta

Notice bibliographique

RevueeScholarship (California Digital Library) · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesSchool of Medicine, New York UniversityNational Institutes of HealthTaipei Veterans General HospitalNational Yang-Ming UniversityDeutsche ForschungsgemeinschaftYork University
Mots-clésGenome-wide association studyDiseaseBiologyGenetic associationCandidate geneComputational biologyGeneticsTranslational researchSingle-nucleotide polymorphismMedicineGenotypeGenePathologyBiotechnology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This dissertation is the culmination of my graduate studies in the laboratory of Jake Lusis at UCLA. The research presented here utilizes systems genetics studies performed in mice to aid in discovery in human disease in three separate studies. A significant portion of disease-oriented research is performed in mice, but a major criticism from the medical community is that laboratory mice are generally inbred and thus have no genetic variation among individuals. Almost 15 years ago, the Lusis lab developed a novel genetic resource for association analysis in the mouse called the Hybrid Mouse Diversity Panel (HMDP). The HMDP is a panel of inbred mouse strains that was developed for performing association studies with adequate statistical power and resolution for mapping of complex traits. Mouse genome wide association studies (GWAS) studies are a powerful tool and can be performed relatively easily, but translating the data obtained from these studies to human disease is still in its infancy. My dissertation work reveals three different novel approaches to the utilization of data from GWAS studies performed on the HMDP for translation into human disease processes, namely cardiovascular disease. The first study utilizes novel genetic signatures in murine macrophages to predict disease incidence and survival in humans. The second study utilizes a traditional GWAS to candidate gene discovery to elucidate the mechanisms underlying cardiac remodeling in humans. Lastly, the third study utilizes mouse GWAS data for novel heart failure biomarker discovery in humans. As an introduction to this dissertation, Chapter 1 briefly summarizes the history of GWAS in mice using the HMDP and GWAS in humans. Chapter 2 is a completed and accepted first-author manuscript entitled “Natural diversity reveals macrophage activation spectra predictive of inflammation and cancer survival.” Chapter 3 explores the role of CD200, a candidate gene obtained from a large heart failure GWAS study in mice, and it’s receptor, CD200R1 in cardiac homeostasis and injury. Chapter 4 describes a novel approach to biomarker discovery for human heart failure using data from a large heart failure GWAS study. Chapter 5 is a departure from mouse systems genetics. In this chapter, I describe the strengths and pitfalls of exome sequencing. In addition, I describe two cases of rare cardiovascular disease in which exome sequencing is utilized to find causal variants of disease. Ultimately, I’d like to use what I’ve learned in my studies of mouse genetics and translate this to discovery in human disease. In conclusion, this dissertation work contributes significant findings to the expanding knowledge of utilizing mouse GWAS for discovery in human disease.

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)0,011
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,027
Tête enseignante GPT0,270
Écart entre enseignants0,244 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetAdipose Tissue and MetabolismTravaux en français237 207