Cortical Surfaces Mediate the Relationship Between Polygenic Scores for Intelligence and General Intelligence
Notice bibliographique
Résumé
Recent large-scale, genome-wide association studies (GWAS) have identified hundreds of genetic loci associated with general intelligence. The cumulative influence of these loci on brain structure is unknown. We examined if cortical morphology mediates the relationship between GWAS-derived polygenic scores for intelligence (PSi) and g-factor. Using the effect sizes from one of the largest GWAS meta-analysis on general intelligence to date, PSi were calculated among 10 P value thresholds. PSi were assessed for the association with g-factor performance, cortical thickness (CT), and surface area (SA) in two large imaging-genetics samples (IMAGEN N = 1651; IntegraMooDS N = 742). PSi explained up to 5.1% of the variance of g-factor in IMAGEN (F1,1640 = 12.2-94.3; P < 0.005), and up to 3.0% in IntegraMooDS (F1,725 = 10.0-21.0; P < 0.005). The association between polygenic scores and g-factor was partially mediated by SA and CT in prefrontal, anterior cingulate, insula, and medial temporal cortices in both samples (PFWER-corrected < 0.005). The variance explained by mediation was up to 0.75% in IMAGEN and 0.77% in IntegraMooDS. Our results provide evidence that cumulative genetic load influences g-factor via cortical structure. The consistency of our results across samples suggests that cortex morphology could be a novel potential biomarker for neurocognitive dysfunction that is among the most intractable psychiatric symptoms.
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 | 0,001 |
| 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 ».