MétaCan
Menu
Retour à la cohorte
Enregistrement W3000516097 · doi:10.1161/circgen.119.002605

Identification of Circulating Proteins Associated With Blood Pressure Using Mendelian Randomization

2020· article· en· W3000516097 sur OpenAlex
Sébastien Thériault, Jennifer Sjaarda, Michael Chong, Sibylle Hess, Hertzel C. Gerstein, Guillaume Paré

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueCirculation Genomic and Precision Medicine · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensUniversité LavalMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesMedical Research CouncilCanadian Institutes of Health Research
Mots-clésMendelian randomizationBlood pressureMedicineInternal medicinePulse pressureCardiologyPlasminogen activatorRisk factorEndocrinologyBiologyGeneticsGenotype

Résumé

récupéré en direct d'OpenAlex

Background: Hypertension is a common modifiable risk factor for cardiovascular disease and mortality. Pathophysiological mechanisms leading to hypertension remain incompletely understood. Mendelian randomization (MR) allows the evaluation of the causal role of markers by minimizing the risk of biases such as reverse causation and confounding. We aimed to identify novel circulating proteins associated with blood pressure through a comprehensive screen of 227 blood biomarkers using MR. Methods: Genetic determinants of 227 biomarkers were identified in ORIGIN (Outcome Reduction With Initial Glargine Intervention; URL: http://www.clinicaltrials.gov . Unique identifier: NCT00069784) participants (N=4147) and combined with genetic effects on systolic blood pressure, diastolic blood pressure, mean arterial pressure, and pulse pressure from the International Consortium for Blood Pressure (74 064 individuals) using MR. Results were replicated in the UK Biobank (up to 319 103 individuals) and using another biomarker dataset (N=3301). MR analyses with cardiovascular risk factors and outcomes as well as other biomarkers were performed to further evaluate the mechanisms involved. Results: Six biomarkers were associated with blood pressure using MR after adjustment for multiple hypothesis testing. Relationships between NT-proBNP (N-terminal Pro-B-type natriuretic peptide), systolic blood pressure, and diastolic blood pressure confirmed previous reports. Novel circulating proteins associated with blood pressure were also identified. uPA (urokinase-type plasminogen activator) was related to systolic blood pressure; ADM (adrenomedullin) was related to systolic blood pressure and pulse pressure; IL (interleukin) 16 was related to diastolic blood pressure; cFn (cellular fibronectin) and IGFBP3 (insulin-like growth factor-binding protein 3) were related to pulse pressure. With the exception of IL16 and diastolic blood pressure ( P =0.58), these relationships were validated in the UK Biobank ( P <0.0001). Further MR analyses with cardiovascular risk factors and outcomes showed relationships between NT-proBNP and large-artery atherosclerotic stroke, IGFBP3 and diabetes mellitus as well as cFn and body mass index. Conclusions: We identified novel biomarkers associated with blood pressure using MR. These markers could prove useful for risk assessment and as potential therapeutic targets.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil0,394

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,263
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle