Genetic variation across RNA metabolism and cell death gene networks is implicated in the semantic variant of primary progressive aphasia
Notice bibliographique
Résumé
The semantic variant of primary progressive aphasia (svPPA) is a clinical syndrome characterized by neurodegeneration and progressive loss of semantic knowledge. Unlike many other forms of frontotemporal lobar degeneration (FTLD), svPPA has a highly consistent underlying pathology composed of TDP-43 (a regulator of RNA and DNA transcription metabolism). Previous genetic studies of svPPA are limited by small sample sizes and a paucity of common risk variants. Despite this, svPPA's relatively homogenous clinicopathologic phenotype makes it an ideal investigative model to examine genetic processes that may drive neurodegenerative disease. In this study, we used GWAS metadata, tissue samples from pathologically confirmed frontotemporal lobar degeneration, and in silico techniques to identify and characterize protein interaction networks associated with svPPA risk. We identified 64 svPPA risk genes that interact at the protein level. The protein pathways represented in this svPPA gene network are critical regulators of RNA metabolism and cell death, such as SMAD proteins and NOTCH1. Many of the genes in this network are involved in TDP-43 metabolism. Contrary to the conventional notion that svPPA is a clinical syndrome with few genetic risk factors, our analyses show that svPPA risk is complex and polygenic in nature. Risk for svPPA is likely driven by multiple common variants in genes interacting with TDP-43, along with cell death,x` working in combination to promote neurodegeneration.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».