Genetic Modifiers of Cystic Fibrosis-Related Diabetes Have Extensive Overlap With Type 2 Diabetes and Related Traits
Notice bibliographique
Résumé
CONTEXT: Individuals with cystic fibrosis (CF) develop a distinct form of diabetes characterized by β-cell dysfunction and islet amyloid accumulation similar to type 2 diabetes (T2D), but generally have normal insulin sensitivity. CF-related diabetes (CFRD) risk is determined by both CFTR, the gene responsible for CF, and other genetic variants. OBJECTIVE: To identify genetic modifiers of CFRD and determine the genetic overlap with other types of diabetes. DESIGN AND PATIENTS: A genome-wide association study was conducted for CFRD onset on 5740 individuals with CF. Weighted polygenic risk scores (PRSs) for type 1 diabetes (T1D), T2D, and diabetes endophenotypes were tested for association with CFRD. RESULTS: Genome-wide significance was obtained for variants at a novel locus (PTMA) and 2 known CFRD genetic modifiers (TCF7L2 and SLC26A9). PTMA and SLC26A9 variants were CF-specific; TCF7L2 variants also associated with T2D. CFRD was strongly associated with PRSs for T2D, insulin secretion, postchallenge glucose concentration, and fasting plasma glucose, and less strongly with T1D PRSs. CFRD was inconsistently associated with PRSs for insulin sensitivity and was not associated with a PRS for islet autoimmunity. A CFRD PRS comprising variants selected from these PRSs (with a false discovery rate < 0.1) and the genome-wide significant variants was associated with CFRD in a replication population. CONCLUSIONS: CFRD and T2D have more etiologic and mechanistic overlap than previously known, aligning along pathways involving β-cell function rather than insulin sensitivity. Two CFRD risk loci are unrelated to T2D and may affect multiple aspects of CF. An 18-variant PRS stratifies risk of CFRD in an independent population.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».