An Atlas of Human and Murine Genetic Influences on Osteoporosis
Notice bibliographique
Résumé
Abstract Osteoporosis is a common debilitating chronic disease diagnosed primarily using bone mineral density (BMD). We undertook a comprehensive assessment of human genetic determinants of bone density in 426,824 individuals, identifying a total of 518 genome-wide significant loci, (301 novel), explaining 20% of the total variance in BMD—as estimated by heel quantitative ultrasound (eBMD). Next, meta-analysis identified 13 bone fracture loci in ~1.2M individuals, which were also associated with BMD. We then identified target genes from cell-specific genomic landscape features, including chromatin conformation and accessible chromatin sites, that were strongly enriched for genes known to influence bone density and strength (maximum odds ratio = 58, P = 10 −75 ). We next performed rapid throughput skeletal phenotyping of 126 knockout mice lacking eBMD Target Genes and showed that these mice had an increased frequency of abnormal skeletal phenotypes compared to 526 unselected lines (P < 0.0001). In-depth analysis of one such Target Gene, DAAM2 , showed a disproportionate decrease in bone strength relative to mineralization. This comprehensive human and murine genetic atlas provides empirical evidence testing how to link associated SNPs to causal genes, offers new insights into osteoporosis pathophysiology and highlights opportunities for drug development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».