MétaCan
Menu
Retour à la cohorte
Enregistrement W2897891567 · doi:10.1016/j.jacl.2018.10.006

Severe hypertriglyceridemia is primarily polygenic

2018· article· en· W2897891567 sur OpenAlexafffund
Jacqueline S. Dron, Jian Wang, Henian Cao, Adam D. McIntyre, Michael A. Iacocca, Jyler Menard, Irina Movsesyan, Mary J. Malloy, Clive R. Pullinger, John P. Kane, Robert A. Hegele

Notice bibliographique

RevueJournal of clinical lipidology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueLipid metabolism and disorders
Établissements canadiensUniversity of WaterlooWestern University
Organismes subventionnairesSchulich School of Medicine and DentistryGenome CanadaCanadian Institutes of Health ResearchUniversity of California, San FranciscoFrank A. Campini FoundationHeart and Stroke Foundation of Canada
Mots-clésMedicineHypertriglyceridemiaComputational biologyInternal medicineTriglyceride

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hypertriglyceridemia (HTG) is a complex trait defined by elevated plasma triglyceride levels. Genetic determinants of HTG have so far been examined in a piecemeal manner; understanding of its molecular basis, both monogenic and polygenic, is thus incomplete. OBJECTIVE: The objective of this study was to characterize genetic profiles of patients with severe HTG, and quantify the genetic determinants and molecular contributors. METHODS: We concurrently assessed rare and common variants in two independent cohorts of 251 and 312 Caucasian patients with severe HTG. DNA was subjected to targeted next-generation sequencing of 73 genes and 185 SNPs associated with dyslipidemia. LPL, APOC2, GPIHBP1, APOA5, and LMF1 genes were screened for rare variants, and a polygenic risk score was used to assess the accumulation of common variants. RESULTS: As there were no significant differences in the prevalence of genetic determinants between cohorts, data were combined for all 563 patients: 1.1% had biallelic (homozygous or compound heterozygous) rare variants, 14.4% had heterozygous rare variants, 32.0% had an extreme accumulation of common variants (ie, high polygenic risk), and 52.6% remained genetically undefined. Patients with HTG were 5.77 times (95% CI [4.26-7.82]; P < .0001) more likely to carry one of these types of genetic susceptibility compared with controls. CONCLUSIONS: We report the most in-depth, systematic evaluation of genetic determinants of severe HTG to date. The predominant feature was an extreme accumulation of common variants (high polygenic risk score), whereas a substantial proportion of patients also carried heterozygous rare variants. Overall, 46.3% of patients had polygenic HTG, whereas only 1.1% had biallelic or homozygous monogenic HTG.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,415
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations217
Publié2018
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of clinical lipidologyMême sujetLipid metabolism and disordersTravaux en français237 207