MétaCan
Menu
Retour à la cohorte
Enregistrement W2950591584 · doi:10.1161/circulationaha.119.040180

Novel Drug Targets for Ischemic Stroke Identified Through Mendelian Randomization Analysis of the Blood Proteome

2019· article· en· W2950591584 sur OpenAlexaff
Michael Chong, Jennifer Sjaarda, Marie Pigeyre, Pedrum Mohammadi‐Shemirani, Ricky Lali, Ashkan Shoamanesh, Hertzel C. Gerstein, Guillaume Paré

Notice bibliographique

RevueCirculation · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensHamilton Health SciencesThrombosis and Atherosclerosis Research InstituteMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesStroke Association
Mots-clésMendelian randomizationMedicineBiomarkerStroke (engine)Genome-wide association studyInternal medicineOncologyBioinformaticsDiseaseOdds ratioSingle-nucleotide polymorphismGenotypeGenetics

Résumé

récupéré en direct d'OpenAlex

Background: Novel, effective, and safe drugs are warranted for treatment of ischemic stroke. Circulating protein biomarkers with causal genetic evidence represent promising drug targets, but no systematic screen of the proteome has been performed. Methods: First, using Mendelian randomization (MR) analyses, we assessed 653 circulating proteins as possible causal mediators for 3 different subtypes of ischemic stroke: large artery atherosclerosis, cardioembolic stroke, and small artery occlusion. Second, we used MR to assess whether identified biomarkers also affect risk for intracranial bleeding, specifically intracerebral and subarachnoid hemorrhages. Third, we expanded this analysis to 679 diseases to test a broad spectrum of side effects associated with hypothetical therapeutic agents for ischemic stroke that target the identified biomarkers. For all MR analyses, summary-level data from genome-wide association studies (GWAS) were used to ascertain genetic effects on circulating biomarker levels versus disease risk. Biomarker effects were derived by meta-analysis of 5 GWAS (N≤20 509). Disease effects were derived from large GWAS analyses, including MEGASTROKE (N≤322 150) and UK Biobank (N≤408 961) studies. Results: Several biomarkers emerged as causal mediators for ischemic stroke. Causal mediators for cardioembolic stroke included histo-blood group ABO system transferase, coagulation factor XI, scavenger receptor class A5 (SCARA5), and tumor necrosis factor–like weak inducer of apoptosis (TNFSF12). Causal mediators for large artery atherosclerosis included ABO, cluster of differentiation 40, apolipoprotein(a), and matrix metalloproteinase-12. SCARA5 (odds ratio [OR]=0.78; 95% CI, 0.70–0.88; P =1.46×10 −5 ) and TNFSF12 (OR=0.86; 95% CI, 0.81–0.91; P =7.69×10 −7 ) represent novel protective mediators of cardioembolic stroke. TNFSF12 also increased the risk of subarachnoid (OR=1.53; 95% CI, 1.31–1.78; P =3.32×10 −8 ) and intracerebral (OR=1.34; 95% CI, 1.14–1.58; P =4.05×10 −4 ) hemorrhages, whereas SCARA5 decreased the risk of subarachnoid hemorrhage (OR=0.61; 95% CI, 0.47–0.81; P =5.20×10 −4 ). Multiple side effects beyond stroke were identified for 6 of 7 biomarkers, most (75%) of which were beneficial. No adverse side effects were found for coagulation factor XI, apolipoprotein(a), and SCARA5. Conclusions: Through a systematic MR screen of the circulating proteome, causal roles for 5 established and 2 novel biomarkers for ischemic stroke were identified. Side-effect profiles were characterized to help inform drug target prioritization. In particular, SCARA5 represents a promising target for treatment of cardioembolic stroke, with no predicted adverse side effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,422
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,254
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations177
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207