MétaCan
Menu
Retour à la cohorte
Enregistrement W2965006208 · doi:10.1002/jbmr.3803

Mendelian Randomization Analysis Reveals a Causal Influence of Circulating Sclerostin Levels on Bone Mineral Density and Fractures

2019· article· en· W2965006208 sur OpenAlexafffund
Jie Zheng, Winfried Maerz, Ingrid Gergei, Marcus E. Kleber, Christiane Drechsler, Christoph Wanner, Vincent Brandenburg, Sjur Reppe, Kaare M. Gautvik, Carolina Medina‐Gómez, Enisa Shevroja, Arthur Gilly, Young‐Chan Park, George Dedoussis, Eleftheria Zeggini, Mattias Lorentzon, Petra Henning, Ulf H. Lerner, Karin Nilsson, Sofia Movérare‐Skrtic, Denis Baird, Benjamin Elsworth, Louise Falk, Alix Groom, Terence D. Capellini, Elin Grundberg, Maria Nethander, Claes Ohlsson, George Davey Smith, Jonathan H. Tobias

Notice bibliographique

RevueJournal of Bone and Mineral Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchBundesministerium für Bildung und ForschungNovo Nordisk FondenZonMwNational Institute of Arthritis and Musculoskeletal and Skin DiseasesUniversity of BristolWellcome TrustMedical Research CouncilWellcomeNational Science Foundation
Mots-clésSclerostinSingle-nucleotide polymorphismMendelian randomizationInternal medicineEndocrinologyBone mineralFemoral neckMedicineBone densityHip fractureGenome-wide association studyGeneticsBiologyOsteoporosisGenotypeGeneGenetic variants

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In bone, sclerostin is mainly osteocyte-derived and plays an important local role in adaptive responses to mechanical loading. Whether circulating levels of sclerostin also play a functional role is currently unclear, which we aimed to examine by two-sample Mendelian randomization (MR). A genetic instrument for circulating sclerostin, derived from a genomewide association study (GWAS) meta-analysis of serum sclerostin in 10,584 European-descent individuals, was examined in relation to femoral neck bone mineral density (BMD; n = 32,744) in GEFOS and estimated bone mineral density (eBMD) by heel ultrasound (n = 426,824) and fracture risk (n = 426,795) in UK Biobank. Our GWAS identified two novel serum sclerostin loci, B4GALNT3 (standard deviation [SD]) change in sclerostin per A allele (β = 0.20, p = 4.6 × 10−49) and GALNT1 (β = 0.11 per G allele, p = 4.4 × 10−11). B4GALNT3 is an N-acetyl-galactosaminyltransferase, adding a terminal LacdiNAc disaccharide to target glycocoproteins, found to be predominantly expressed in kidney, whereas GALNT1 is an enzyme causing mucin-type O-linked glycosylation. Using these two single-nucleotide polymorphisms (SNPs) as genetic instruments, MR revealed an inverse causal relationship between serum sclerostin and femoral neck BMD (β = –0.12, 95% confidence interval [CI] –0.20 to –0.05) and eBMD (β = –0.12, 95% CI –0.14 to –0.10), and a positive relationship with fracture risk (β = 0.11, 95% CI 0.01 to 0.21). Colocalization analysis demonstrated common genetic signals within the B4GALNT3 locus for higher sclerostin, lower eBMD, and greater B4GALNT3 expression in arterial tissue (probability >99%). Our findings suggest that higher sclerostin levels are causally related to lower BMD and greater fracture risk. Hence, strategies for reducing circulating sclerostin, for example by targeting glycosylation enzymes as suggested by our GWAS results, may prove valuable in treating osteoporosis. © 2019 The Authors. Journal of Bone and Mineral Research published by Wiley Periodicals, Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,025
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,059
Tête enseignante GPT0,396
Écart entre enseignants0,338 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations31
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Mineral ResearchMême sujetBone health and osteoporosis researchTravaux en français237 207