MétaCan
Menu
Retour à la cohorte
Enregistrement W3038648294 · doi:10.1007/s00401-020-02181-3

Large-scale pathway specific polygenic risk and transcriptomic community network analysis identifies novel functional pathways in Parkinson disease

2020· article· en· W3038648294 sur OpenAlexaff
Sara Bandrés‐Ciga, Sara Sáez-Atiénzar, Jeff Kim, Mary B. Makarious, Faraz Faghri, Mónica Díez-Fairén, Hirotaka Iwaki, Hampton L. Leonard, Juan A. Botía, Mina Ryten, Dena Hernández, J. Raphael Gibbs, Jinhui Ding, Ziv Gan‐Or, Alastair J. Noyce, Lasse Pihlstrøm, Alireza Torkamani, Anthony R. Soltis, Clifton L. Dalgard, Sonja W. Scholz, Bryan J. Traynor, Debra Ehrlich, Clemens R. Scherzer, Matthew Bookman, Mark Cookson, Cornelis Blauwendraat, Michael A. Nalls, Andrew Singleton

Notice bibliographique

RevueActa Neuropathologica · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute on AgingNational Institutes of HealthArizona Biomedical Research CommissionGeorgia Clinical and Translational Science AllianceBarts CharityNational Center for Research ResourcesNational Institute for Health and Care ResearchNational Institute of Neurological Disorders and StrokeMedical Research CouncilArizona Department of Health ServicesMichael J. Fox Foundation for Parkinson's Research
Mots-clésPathway analysisDiseaseParkinson's diseaseTranscriptomeComputational biologyBiologyPolygenic risk scoreScale (ratio)BioinformaticsGeneticsNeuroscienceMedicineGenePathologyGeographyGene expressionCartographyGenotypeSingle-nucleotide polymorphism

Résumé

récupéré en direct d'OpenAlex

Polygenic inheritance plays a central role in Parkinson disease (PD). A priority in elucidating PD etiology lies in defining the biological basis of genetic risk. Unraveling how risk leads to disruption will yield disease-modifying therapeutic targets that may be effective. Here, we utilized a high-throughput and hypothesis-free approach to determine biological processes underlying PD using the largest currently available cohorts of genetic and gene expression data from International Parkinson's Disease Genetics Consortium (IPDGC) and the Accelerating Medicines Partnership-Parkinson's disease initiative (AMP-PD), among other sources. We applied large-scale gene-set specific polygenic risk score (PRS) analyses to assess the role of common variation on PD risk focusing on publicly annotated gene sets representative of curated pathways. We nominated specific molecular sub-processes underlying protein misfolding and aggregation, post-translational protein modification, immune response, membrane and intracellular trafficking, lipid and vitamin metabolism, synaptic transmission, endosomal-lysosomal dysfunction, chromatin remodeling and apoptosis mediated by caspases among the main contributors to PD etiology. We assessed the impact of rare variation on PD risk in an independent cohort of whole-genome sequencing data and found evidence for a burden of rare damaging alleles in a range of processes, including neuronal transmission-related pathways and immune response. We explored enrichment linked to expression cell specificity patterns using single-cell gene expression data and demonstrated a significant risk pattern for dopaminergic neurons, serotonergic neurons, hypothalamic GABAergic neurons, and neural progenitors. Subsequently, we created a novel way of building de novo pathways by constructing a network expression community map using transcriptomic data derived from the blood of PD patients, which revealed functional enrichment in inflammatory signaling pathways, cell death machinery related processes, and dysregulation of mitochondrial homeostasis. Our analyses highlight several specific promising pathways and genes for functional prioritization and provide a cellular context in which such work should be done.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,234
Écart entre enseignants0,194 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations118
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa NeuropathologicaMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207