Fine mapping of the <i>HLA</i> locus in Parkinson’s disease in Europeans
Notice bibliographique
Résumé
Abstract Objective To fine map the association between human leukocyte antigen ( HLA) genes and Parkinson’s disease (PD) that was discovered using genome-wide association studies (GWASs). Methods We performed a thorough analysis of the HLA locus in 13,770 PD patients, 20,214 proxy-cases and 490,861 controls of European origin. We used GWAS data to impute HLA types and performed multiple regression models to examine the association of specific HLA types, different haplotypes and specific amino acid changes. We further performed conditional analyzes to identify specific alleles or genetic variants that drive the association with PD. Results Four HLA types were associated with PD after correction for multiple comparisons, HLA-DQA1 *03:01, HLA-DQB1 *03:02, HLA-DRB1 *04:01 and HLA-DRB1 *04:04. Haplotype analyzes followed by amino-acid analysis and conditional analyzes suggested that the association is protective and primarily driven by three specific amino acid polymorphisms present in most HLA-DRB1 *04 subtypes - 11V, 13H and 33H (OR=0.87 95%CI=0.83-0.90, p <8.23×10 −9 for all three variants). No other effects were present after adjustment for these amino acids. Conclusions Our results suggest that specific variants in the HLA-DRB1 gene are associated with reduced risk of PD, providing additional evidence for the role of the immune system in PD. Although effect size is small and has no diagnostic significance, understanding the mechanism underlying this association may lead to identification of new targets for therapeutics development.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».