Genetic associations in community context: a mixed model approach identifies a functional variant in the RBP4 gene associated with HDL-C dyslipidemia
Notice bibliographique
Résumé
BACKGROUND: The objective of this study was to examine individual and community factors that influence high-density lipoprotein cholesterol (HDL-C) dyslipidemia in Newfoundland and Labrador (NL), a genetically isolated population in Canada with a high prevalence of HDL-C dyslipidemia. METHODS: First, a group of single nucleotide polymorphisms from 10 metabolic trait candidate genes was tested using a multivariate logistic regression model. The significant SNPs were entered into the second phase, where a mixed logistic model incorporated the community disease risk factors together with the individual factors as the fixed part of the model and the geographic region as a random effect. RESULTS: Analysis of 1489 subjects (26.9% HDL-C dyslipidemia) identified rs3758539, a non-coding variant in the 5'UTR of RBP4, to be associated with HDL-C dyslipidemia (odds ratio = 1.45, 95% confidence interval = 1.08-1.97, p = 0.01). The association remained significant, and the effect size did not change after the incorporation of individual and community risk factors from 17 geographic regions (odds ratio: 1.41, 95% confidence interval = 1.03-1.93, p = 0.03) in NL. Besides this variant, sex, BMI, and smoking also showed significant associations with HDL-C dyslipidemia, whereas no role was identified for the community factors. CONCLUSIONS: This study demonstrates the use of community-level data in a genetic association testing. It reports a functional variant in the promoter of RBP4, a gene directly involved in lipoprotein metabolism, to be associated with HDL-C dyslipidemia. These findings indicate that individual factors are the main reason for a higher prevalence of HDL-C dyslipidemia in the NL population.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».