Genome‐wide association study of word reading: Overlap with risk genes for neurodevelopmental disorders
Notice bibliographique
Résumé
Abstract Reading disabilities (RD) are the most common neurocognitive disorder, affecting 5% to 17% of children in North America. These children often have comorbid neurodevelopmental/psychiatric disorders, such as attention deficit/hyperactivity disorder (ADHD). The genetics of RD and their overlap with other disorders is incompletely understood. To contribute to this, we performed a genome‐wide association study (GWAS) for word reading. Then, using summary statistics from neurodevelopmental/psychiatric disorders, we computed polygenic risk scores (PRS) and used them to predict reading ability in our samples. This enabled us to test the shared aetiology between RD and other disorders. The GWAS consisted of 5.3 million single nucleotide polymorphisms (SNPs) and two samples; a family‐based sample recruited for reading difficulties in Toronto (n = 624) and a population‐based sample recruited in Philadelphia [Philadelphia Neurodevelopmental Cohort (PNC)] (n = 4430). The Toronto sample SNP‐based analysis identified suggestive SNPs (P ~ 5 × 10−7) in the ARHGAP23 gene, which is implicated in neuronal migration/axon pathfinding. The PNC gene‐based analysis identified significant associations (P < 2.72 × 10−6) for LINC00935 and CCNT1, located in the region of the KANSL2/CCNT1/LINC00935/SNORA2B/SNORA34/MIR4701/ADCY6 genes on chromosome 12q, with near significant SNP‐based analysis. PRS identified significant overlap between word reading and intelligence (R2 = 0.18, P = 7.25 × 10−181), word reading and educational attainment (R2 = 0.07, P = 4.91 × 10−48) and word reading and ADHD (R2 = 0.02, P = 8.70 × 10−6; threshold for significance = 7.14 × 10−3). Overlap was also found between RD and autism spectrum disorder (ASD) as top‐ranked genes were previously implicated in autism by rare and copy number variant analyses. These findings support shared risk between word reading, cognitive measures, educational outcomes and neurodevelopmental disorders, including ASD.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».