ADGRL3 (LPHN3) variants predict substance use disorder
Notice bibliographique
Résumé
Genetic factors are strongly implicated in the susceptibility to develop externalizing syndromes such as attention-deficit/hyperactivity disorder (ADHD), oppositional defiant disorder, conduct disorder, and substance use disorder (SUD). Variants in the ADGRL3 (LPHN3) gene predispose to ADHD and predict ADHD severity, disruptive behaviors comorbidity, long-term outcome, and response to treatment. In this study, we investigated whether variants within ADGRL3 are associated with SUD, a disorder that is frequently co-morbid with ADHD. Using family-based, case-control, and longitudinal samples from disparate regions of the world (n = 2698), recruited either for clinical, genetic epidemiological or pharmacogenomic studies of ADHD, we assembled recursive-partitioning frameworks (classification tree analyses) with clinical, demographic, and ADGRL3 genetic information to predict SUD susceptibility. Our results indicate that SUD can be efficiently and robustly predicted in ADHD participants. The genetic models used remained highly efficient in predicting SUD in a large sample of individuals with severe SUD from a psychiatric institution that were not ascertained on the basis of ADHD diagnosis, thus identifying ADGRL3 as a risk gene for SUD. Recursive-partitioning analyses revealed that rs4860437 was the predominant predictive variant. This new methodological approach offers novel insights into higher order predictive interactions and offers a unique opportunity for translational application in the clinical assessment of patients at high risk for SUD.
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 | 0,000 |
| 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) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».