Hierarchical investigation of genetic influences on response inhibition in healthy young adults.
Notice bibliographique
Résumé
Poor inhibitory control is a known risk factor for substance use disorders, making it a priority to identify the determinants of these deficits. The aim of the current study was to identify genetic associations with inhibitory control using the stop signal task in a large sample (n = 934) of healthy young adults of European ancestry. We genotyped the subjects genome-wide and then used a hierarchical approach in which we tested seven a priori single nucleotide polymorphisms (SNPs) previously associated with stop signal task performance, approximately 9,000 SNPs designated as high-value addiction (HVA) markers by the SmokeScreen array, and approximately five million genotyped and imputed SNPs, followed by a gene-based association analysis using the resultant p values. A priori SNP analyses revealed nominally significant associations between response inhibition and one locus in HTR2A (rs6313; p = .04, dominance model, uncorrected) in the same direction as prior findings. A nominally significant association was also found in one locus in ANKK1 (rs1800497; p = .03, uncorrected), although in the opposite direction of previous reports. After accounting for multiple comparisons, the HVA, genome-wide, and gene-based analyses yielded no significant findings. This study implicates variation in serotonergic and dopaminergic genes while underscoring the difficulty of detecting the influence of individual SNPs, even when biological information is used to prioritize testing. Although such small effect sizes suggest limited utility of individual SNPs in predicting risk for addiction or other impulse control disorders, they may nonetheless shed light on complex biological processes underlying poor inhibitory control. (PsycINFO Database Record
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 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 ».