MétaCan
Menu
Retour à la cohorte
Enregistrement W3034100708 · doi:10.1161/strokeaha.119.027544

Common Genetic Variation Indicates Separate Causes for Periventricular and Deep White Matter Hyperintensities

2020· review· en· W3034100708 sur OpenAlexafffund
Nicola J. Armstrong, Karen A. Mather, Muralidharan Sargurupremraj, Maria J. Knol, Rainer Malik, Claudia L. Satizábal, Lisa R. Yanek, Wei Wen, Vilmundur Guðnason, Nicole Dueker, Lloyd T. Elliott, Edith Hofer, Joshua C. Bis, Neda Jahanshad, Shuo Li, Mark Logue, Michelle Luciano, Markus Scholz, Albert V. Smith, Stella Trompet, Dina Vojinović, Rui Xia, Fidel Alfaro‐Almagro, David Ames, Najaf Amin, Philippe Amouyel, Alexa S. Beiser, Henry Brodaty, Ian J. Deary, Christine Fennema‐Notestine, Piyush Gampawar, Rebecca Gottesman, Ludovica Griffanti, Clifford R. Jack, Mark Jenkinson, Jiyang Jiang, Brian G. Kral, John B. Kwok, Leonie Lampe, David C. Liewald, Pauline Maillard, Jonathan Marchini, Mark E. Bastin, Bernard Mazoyer, Lukas Pirpamer, José R. Romero, Gennady V. Roshchupkin, Peter R. Schofield, Matthias L. Schroeter, David J. Stott, Anbupalam Thalamuthu, Julian N. Trollor, Christophe Tzourio, Jeroen van der Grond, Meike W. Vernooij, A. Veronica Witte, Margaret J. Wright, Qiong Yang, Zoë Morris, Siggi Siggurdsson, Bruce M. Psaty, Arno Villringer, Helena Schmidt, Asta K. Håberg, Cornelia M. van Duijn, J. Wouter Jukema, Martin Dichgans, Ralph L. Sacco, Clinton B. Wright, William S. Kremen, Lewis C. Becker, Paul M. Thompson, Thomas H. Mosley, Joanna M. Wardlaw, M. Arfan Ikram, Hieab H.H. Adams, Sudha Seshadri, Perminder S. Sachdev, Stephen M. Smith, L. J. Launer, W.T. Longstreth, Charles DeCarli, Reinhold Schmidt, Myriam Fornage, Stéphanie Debette, Paul Nyquist

Notice bibliographique

RevueStroke · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringDementia Centre for Research CollaborationHjartaverndKarl-Franzens-Universität GrazNational Institute on AgingCentre for Cognitive Ageing and Cognitive EpidemiologyLudwig-Maximilians-Universität MünchenHáskóli ÍslandsSimon Fraser UniversityMurdoch UniversityInstitut National de la Santé et de la Recherche MédicaleNeuroscience Research AustraliaUniversity of OxfordParkinson's UKNational Institute of Neurological Disorders and StrokeMcGovern Medical SchoolAgence Nationale de la RechercheBiotechnology and Biological Sciences Research CouncilNational Center for PTSD, U.S. Department of Veterans AffairsUniversity of SydneyDr. John T. MacDonald FoundationUniversity of Southern CaliforniaWellcome TrustMcKnight FoundationUniversity of MiamiJohns Hopkins UniversityUniversity of WashingtonLeonard M. Miller School of MedicineUniversity of California, San DiegoUniversity of New South WalesSchool of Medicine, Boston UniversityMedical Research CouncilLeids Universitair Medisch CentrumUniversiteit LeidenMedizinische Universität GrazUniversity of Texas Health Science Center at Houston
Mots-clésLocus (genetics)Genome-wide association studyDementiaMedicineGenetic associationGeneticsGenetic architectureHyperintensityGenetic epidemiologyDiseaseBiologyEvolutionary biologyBioinformaticsQuantitative trait locusGeneSingle-nucleotide polymorphismPathologyGenotypeMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Background and Purpose: Periventricular white matter hyperintensities (WMH; PVWMH) and deep WMH (DWMH) are regional classifications of WMH and reflect proposed differences in cause. In the first study, to date, we undertook genome-wide association analyses of DWMH and PVWMH to show that these phenotypes have different genetic underpinnings. Methods: Participants were aged 45 years and older, free of stroke and dementia. We conducted genome-wide association analyses of PVWMH and DWMH in 26,654 participants from CHARGE (Cohorts for Heart and Aging Research in Genomic Epidemiology), ENIGMA (Enhancing Neuro-Imaging Genetics Through Meta-Analysis), and the UKB (UK Biobank). Regional correlations were investigated using the genome-wide association analyses -pairwise method. Cross-trait genetic correlations between PVWMH, DWMH, stroke, and dementia were estimated using LDSC. Results: In the discovery and replication analysis, for PVWMH only, we found associations on chromosomes 2 ( NBEAL ), 10q23.1 ( TSPAN14/FAM231A ), and 10q24.33 ( SH3PXD2A). In the much larger combined meta-analysis of all cohorts, we identified ten significant regions for PVWMH: chromosomes 2 (3 regions), 6, 7, 10 (2 regions), 13, 16, and 17q23.1. New loci of interest include 7q36.1 ( NOS3 ) and 16q24.2. In both the discovery/replication and combined analysis, we found genome-wide significant associations for the 17q25.1 locus for both DWMH and PVWMH. Using gene-based association analysis, 19 genes across all regions were identified for PVWMH only, including the new genes: CALCRL (2q32.1), KLHL24 (3q27.1), VCAN (5q27.1), and POLR2F (22q13.1). Thirteen genes in the 17q25.1 locus were significant for both phenotypes. More extensive genetic correlations were observed for PVWMH with small vessel ischemic stroke. There were no associations with dementia for either phenotype. Conclusions: Our study confirms these phenotypes have distinct and also shared genetic architectures. Genetic analyses indicated PVWMH was more associated with ischemic stroke whilst DWMH loci were implicated in vascular, astrocyte, and neuronal function. Our study confirms these phenotypes are distinct neuroimaging classifications and identifies new candidate genes associated with PVWMH only.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,852

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,027
Tête enseignante GPT0,332
Écart entre enseignants0,305 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207