Polygenic risk for coronary heart disease acts through atherosclerosis in type 2 diabetes
Notice bibliographique
Résumé
Abstract Background Type 2 diabetes increases the risk of coronary heart disease (CHD), yet the mechanisms involved remain poorly described. Polygenic risk scores (PRS) provide an opportunity to understand risk factors since they reflect etiologic pathways from the entire genome. We therefore tested whether a PRS for CHD influenced risk of CHD in individuals with type 2 diabetes and which risk factors were associated with this PRS. Methods We tested the association of a CHD PRS with CHD and its traditional clinical risk factors amongst individuals with type 2 diabetes in UK Biobank (N = 21,102). We next tested the association of the CHD PRS with atherosclerotic burden in a cohort of 352 genome-wide genotyped participants with type 2 diabetes who had undergone coronary angiograms. Results In the UK Biobank we found that the CHD PRS was strongly associated with CHD amongst individuals with type 2 diabetes (OR per standard deviation increase = 1.50; p = 1.5 × 10 − 59 ). But this CHD PRS was, at best, only weakly associated with traditional clinical risk factors, such as hypertension, hyperlipidemia, glycemic control, obesity and smoking. Conversely, in the angiographic cohort, the CHD PRS was strongly associated with multivessel stenosis (OR = 1.65; p = 4.9 × 10 − 4 ) and increased number of major stenotic lesions (OR = 1.35; p = 9.4 × 10 − 3 ). Conclusions Polygenic predisposition to CHD is strongly associated with atherosclerotic burden in individuals with type 2 diabetes and this effect is largely independent of traditional clinical risk factors. This suggests that genetic risk for CHD acts through atherosclerosis with little effect on most traditional risk factors, providing the opportunity to explore new biological pathways.
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) | 0,001 | 0,001 |
| 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 ».