Genetic influences on delayed reward discounting: A genome-wide prioritized subset approach.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Delayed reward discounting (DRD) is a behavioral economic measure of impulsivity that has been consistently associated with addiction. It has also been identified as a promising addiction endophenotype, linking specific sources of genetic variation to individual risk. A challenge in the studies to date is that levels of DRD are often confounded with prior drug use, and previous studies have also had limited genomic scope. The current investigation sought to address these issues by studying DRD in healthy young adults with low levels of substance use (N = 986; 62% female, 100% European ancestry) and investigating genetic variation genome-wide. The genome-wide approach used a prioritized subset design, organizing the tests into theoretically and empirically informed categories and apportioning power accordingly. Three subsets were used: (a) a priori loci implicated by previous studies; (b) high-value addiction (HVA) markers from the recently developed SmokeScreen array; and (c) an atheoretical genome-wide scan. Among a priori loci, a nominally significant association was present between DRD and rs521674 in ADRA2A. No significant HVA loci were detected. One statistically significant genome-wide association was detected (rs13395777, p = 2.8 × 10-8), albeit in an intergenic region of unknown function. These findings are generally not supportive of the previous candidate gene studies and suggest that DRD has a complex genetic architecture that will require considerably larger samples to identify genetic associations more definitively. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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.
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) | 0,000 | 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) | 0,002 | 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 découle