Epigenetic aging is accelerated in alcohol use disorder and regulated by genetic variation in APOL2
Notice bibliographique
Résumé
To investigate the potential role of alcohol use disorder (AUD) in aging processes, we employed Levine’s epigenetic clock (DNAm PhenoAge) to estimate DNA methylation age in 331 individuals with AUD and 201 healthy controls (HC). We evaluated the effects of heavy, chronic alcohol consumption on epigenetic age acceleration (EAA) using clinical biomarkers, including liver function test enzymes (LFTs) and clinical measures. To characterize potential underlying genetic variation contributing to EAA in AUD, we performed genome-wide association studies (GWAS) on EAA, including pathway analyses. We followed up on relevant top findings with in silico expression quantitative trait loci (eQTL) analyses for biological function using the BRAINEAC database. There was a 2.22-year age acceleration in AUD compared to controls after adjusting for gender and blood cell composition ( p = 1.85 × 10 −5 ). This association remained significant after adjusting for race, body mass index, and smoking status (1.38 years, p = 0.02). Secondary analyses showed more pronounced EAA in individuals with more severe AUD-associated phenotypes, including elevated gamma-glutamyl transferase (GGT) and alanine aminotransferase (ALT), and higher number of heavy drinking days (all p s < 0.05). The genome-wide meta-analysis of EAA in AUD revealed a significant single nucleotide polymorphism (SNP), rs916264 ( p = 5.43 × 10 −8 ), in apolipoprotein L2 ( APOL2 ) at the genome-wide level. The minor allele A of rs916264 was associated with EAA and with increased mRNA expression in hippocampus ( p = 0.0015). Our data demonstrate EAA in AUD and suggest that disease severity further accelerates epigenetic aging. EAA was associated with genetic variation in APOL2 , suggesting potential novel biological mechanisms for age acceleration in AUD.
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 ».