Identification of Novel Causal Blood Biomarkers Linking Metabolically Favorable Adiposity With Type 2 Diabetes Risk
Notice bibliographique
Résumé
OBJECTIVE Observations of a metabolically unhealthy normal weight phenotype suggest that a lack of favorable adiposity contributes to an increased risk of type 2 diabetes. We aimed to identify causal blood biomarkers linking favorable adiposity with type 2 diabetes risk for use in cardiometabolic risk assessments. RESEARCH DESIGN AND METHODS A weighted polygenic risk score (PRS) underpinning metabolically favorable adiposity was validated in the UK Biobank (n = 341,872) and the Outcome Reduction With Initial Glargine Intervention (ORIGIN Trial) (n = 8,197) and tested for association with 238 blood biomarkers. Associated biomarkers were investigated for causation with type 2 diabetes risk using Mendelian randomization and for its performance in predictive models for incident major adverse cardiovascular events (MACE). RESULTS Of the 238 biomarkers tested, only insulin-like growth factor–binding protein (IGFBP)-3 concentration was associated with the PRS, where a 1 unit increase in PRS predicted a 0.28-SD decrease in IGFBP-3 blood levels (P < 0.05/238). Higher IGFBP-3 levels causally increased type 2 diabetes risk (odds ratio 1.26 per 1 SD genetically determined IGFBP-3 level [95% CI 1.11–1.43]) and predicted a higher incidence of MACE (hazard ratio 1.13 per 1 SD IGFBP-3 concentration [95% CI 1.07–1.20]). Adding IGFBP-3 concentrations to the standard clinical assessment of metabolic health enhanced the prediction of incident MACE, with a net reclassification improvement of 11.5% in normal weight individuals (P = 0.004). CONCLUSIONS We identified IGFBP-3 as a novel biomarker linking a lack of favorable adiposity with type 2 diabetes risk and a predictive marker for incident cardiovascular events. Using IGFBP-3 blood concentrations may improve the risk assessment of cardiometabolic diseases.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».