Abstract 599: Elucidating the Genetic Determinants of Extreme High-density Lipoprotein Phenotypes Using Next-generation Sequencing
Notice bibliographique
Résumé
HDL cholesterol (HDL-C) levels strongly associate with cardiovascular disease risk, and as a complex trait, are influenced by genetic and environmental factors. Extreme HDL-C concentrations are largely genetically determined; monogenic disorders of HDL-C have been well-characterized, including the primary candidate genes driving each extreme phenotype, which typically show autosomal recessive or co-dominant inheritance. Within genes causing syndromes of both HDL-C extremes, numerous disease-causing variants have been identified and functionally validated. In a unique cohort of patients with extreme HDL-C profiles ( N =255), we applied our targeted next-generation sequencing panel LipidSeq TM , which is designed for clinical re-sequencing of genes associated with dyslipidemia and other metabolic disorders. We found that 20.6% and 11.8% of low ( N =136) and high ( N =119) HDL-C patients, respectively, carry heterozygous, large-effect mutations in pertinent genes explaining their phenotypes. To further characterize the genetic variation contributing to HDL-C levels, we next investigated the integrated polygenic contribution from multiple small-effect genetic variants using a polygenic trait score (PTS). We developed two scores to assess an individual’s burden of small-effect variants: one each for lowering and raising HDL-C levels. As a whole, low HDL-C patients had a significantly greater mean PTS for low HDL-C than normolipidemic controls ( P <0.001); furthermore, there was no difference in PTS among carriers and non-carriers of large-effect variants. In contrast, high HDL-C patients’ mean PTS for high HDL-C in carriers of large-effect variants was not different from non-carrier or controls, while PTS in non-carriers was significantly greater than controls (both P <0.001). The findings confirm the complexity of extreme HDL-C levels and the differences in contributions of rare large-effect and common small-effect variants to these extremes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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 ».