Association of low‐frequency genetic variants in regulatory regions with nonsyndromic orofacial clefts
Notice bibliographique
Résumé
Genome-wide scans have shown that common risk alleles for orofacial clefts (OFC) tend to be located in noncoding regulatory elements and cumulatively explain only part of the heritability of OFCs. Low-frequency variants may account for some of the "missing" heritability. Therefore, we scanned low-frequency variants located within putative craniofacial enhancers to identify novel OFC risk variants and implicate new regulatory elements in OFC pathogenesis. Analyses were performed in a multiethnic sample of 1,995 cases of cleft lip with or without cleft palate (CL/P), 221 cases with cleft palate (CP) only, and 1,576 unaffected controls. One hundred and nineteen putative craniofacial enhancers identified from ChIP-Seq studies in craniofacial tissues or cell lines contained multiple low-frequency (0.01-1%) variants, which we genotyped in participants using a custom Illumina panel. Two complementary statistical approaches, sequence kernel association test and combined multivariate and collapsing, were used to test association of the aggregated low-frequency variants across each enhancer region with CL/P and CP. We discovered a significant association between CP and a branchial arch enhancer near FOXP1 (mm60; p-value = .0002). Additionally, we observed a suggestive association between CL/P and a forebrain enhancer near FOXE1 (hs1717; p-value = .001). These findings suggest that low-frequency variants in craniofacial enhancer regions contribute to the complex etiology of nonsyndromic OFCs.
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 | 0,001 | 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) | 0,000 | 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 ».