Exploring the role of low-frequency and rare exonic variants in alcohol and tobacco use
Notice bibliographique
Résumé
Alcohol and tobacco use are heritable phenotypes. However, only a small number of common genetic variants have been identified, and common variants account for a modest proportion of the heritability. Therefore, this study aims to investigate the role of low-frequency and rare variants in alcohol and tobacco use. We meta-analyzed ExomeChip association results from eight discovery cohorts and included 12,466 subjects and 7432 smokers in the analysis of alcohol consumption and tobacco use, respectively. The ExomeChip interrogates low-frequency and rare exonic variants, and in addition a small pool of common variants. We investigated top variants in an independent sample in which ICD-9 diagnoses of “alcoholism” (N = 25,508) and “tobacco use disorder” (N = 27,068) had been assessed. In addition to the single variant analysis, we performed gene-based, polygenic risk score (PRS), and pathway analyses. The meta-analysis did not yield exome-wide significant results. When we jointly analyzed our top results with the independent sample, no low-frequency or rare variants reached significance for alcohol consumption or tobacco use. However, two common variants that were present on the ExomeChip, rs16969968 (p = 2.39 × 10−7) and rs8034191 (p = 6.31 × 10−7) located in CHRNA5 and AGPHD1 at 15q25.1, showed evidence for association with tobacco use. Low-frequency and rare exonic variants with large effects do not play a major role in alcohol and tobacco use, nor does the aggregate effect of ExomeChip variants. However, our results confirmed the role of the CHRNA5-CHRNA3-CHRNB4 cluster of nicotinic acetylcholine receptor subunit genes in tobacco use.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».