Genetic Variants Associated With Neurodegenerative Diseases Regulate Gene Expression in Immune Cell CD14+ Monocytes
Notice bibliographique
Résumé
Until now, large-scale genome-wide association studies have identified 94 genes associated with Alzheimer's disease, Parkinson's disease, and multiple sclerosis. Expression quantitative trait locus (eQTL) analysis showed that six genetic variants around six of these 94 genes could drive both disease susceptibility and altered expression of six nearby genes including CD33 (rs3865444), PILRB (rs1476679), NUP160 (rs10838725), LRRK2 (rs76904798), RGS1 (rs1323292), and METTL21B (rs701006). However, two of these six genetic variants rs1476679 and rs76904798 variants could regulate the expression of PILRB and LRRK2 only in the human monocyte-derived microglia-like (MDMi) cells, but not in human peripheral blood monocytes. Here, we aim to verify these findings using another two eQTL datasets in human peripheral blood immune cell CD14+ monocytes. The results that showed that rs1476679 and rs76904798 variants or their proxy variants could significantly regulate the expression of PILRB and LRRK2 in immune cell CD14+ monocytes and human peripheral blood. We believe that these findings provide important supplementary information about the regulatory mechanisms by which both variants influence PILRB and LRRK2 gene expression and neurodegenerative disease risk.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».