Genetic Loci and Physiologic Pathways Involved in Gestational Diabetes Mellitus Implicated Through Clustering
Notice bibliographique
Résumé
Hundreds of common genetic variants acting through distinguishable physiologic pathways influence the risk of type 2 diabetes (T2D). It is unknown to what extent the physiology underlying gestational diabetes mellitus (GDM) is distinct from that underlying T2D. In this study of >5,000 pregnant women from three cohorts, we aimed to identify physiologically related groups of maternal variants associated with GDM using two complementary approaches that were based on Bayesian nonnegative matrix factorization (bNMF) clustering. First, we tested five bNMF clusters of maternal T2D-associated variants grouped on the basis of physiology outside of pregnancy for association with GDM. We found that cluster polygenic scores representing genetic determinants of reduced β-cell function and abnormal hepatic lipid metabolism were associated with GDM; these clusters were not associated with infant birth weight. Second, we derived bNMF clusters of maternal variants on the basis of pregnancy physiology and tested these clusters for association with GDM. We identified a cluster that was strongly associated with GDM as well as associated with higher infant birth weight. The effect size for this cluster's association with GDM appeared greater than that for T2D. Our findings imply that the genetic and physiologic pathways that lead to GDM differ, at least in part, from those that lead to T2D.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».