Transcriptome‐wide association study reveals candidate causal genes for lung cancer
Notice bibliographique
Résumé
We have recently completed the largest GWAS on lung cancer including 29,266 cases and 56,450 controls of European descent. The goal of our study has been to integrate the complete GWAS results with a large‐scale expression quantitative trait loci (eQTL) mapping study in human lung tissues (n = 1,038) to identify candidate causal genes for lung cancer. We performed transcriptome‐wide association study (TWAS) for lung cancer overall, by histology (adenocarcinoma, squamous cell carcinoma and small cell lung cancer) and smoking subgroups (never‐ and ever‐smokers). We performed replication analysis using lung data from the Genotype‐Tissue Expression (GTEx) project. DNA damage assays were performed in human lung fibroblasts for selected TWAS genes. As expected, the main TWAS signal for all histological subtypes and ever‐smokers was on chromosome 15q25. The gene most strongly associated with lung cancer at this locus using the TWAS approach was IREB2 (pTWAS = 1.09E−99), where lower predicted expression increased lung cancer risk. A new lung adenocarcinoma susceptibility locus was revealed on 9p13.3 and associated with higher predicted expression of AQP3 (pTWAS = 3.72E−6). Among the 45 previously described lung cancer GWAS loci, we mapped candidate target gene for 17 of them. The association AQP3‐adenocarcinoma on 9p13.3 was replicated using GTEx (pTWAS = 6.55E−5). Consistent with the effect of risk alleles on gene expression levels, IREB2 knockdown and AQP3 overproduction promote endogenous DNA damage. These findings indicate genes whose expression in lung tissue directly influences lung cancer risk.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».