Analysis of genetically driven alternative splicing identifies FBXO38 as a novel COPD susceptibility gene
Notice bibliographique
Résumé
While many disease-associated single nucleotide polymorphisms (SNPs) are associated with gene expression (expression quantitative trait loci, eQTLs), a large proportion of complex disease genome-wide association study (GWAS) variants are of unknown function. Some of these SNPs may contribute to disease by regulating gene splicing. Here, we investigate whether SNPs that are associated with alternative splicing (splice QTL or sQTL) can identify novel functions for existing GWAS variants or suggest new associated variants in chronic obstructive pulmonary disease (COPD). RNA sequencing was performed on whole blood from 376 subjects from the COPDGene Study. Using linear models, we identified 561,060 unique sQTL SNPs associated with 30,333 splice sites corresponding to 6,419 unique genes. Similarly, 708,928 unique eQTL SNPs involving 15,913 genes were detected at 10% FDR. While there is overlap between sQTLs and eQTLs, 55.3% of sQTLs are not eQTLs. Co-localization analysis revealed that 7 out of 21 loci associated with COPD (p<1x10-6) in a published GWAS have at least one shared causal variant between the GWAS and sQTL studies. Among the genes identified to have splice sites associated with top GWAS SNPs was FBXO38, in which a novel exon was discovered to be protective against COPD. Importantly, the sQTL in this locus was validated by qPCR in both blood and lung tissue, demonstrating that splice variants relevant to lung tissue can be identified in blood. Other identified genes included CDK11A and SULT1A2. Overall, these data indicate that analysis of alternative splicing can provide novel insights into disease mechanisms. In particular, we demonstrated that SNPs in a known COPD GWAS locus on chromosome 5q32 influence alternative splicing in the gene FBXO38.
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) | 0,000 | 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 ».