MétaCan
Menu
Retour à la cohorte
Enregistrement W3097138249 · doi:10.1177/0706743720970844

Genetic Correlation Analysis and Transcriptome-wide Association Study Suggest the Overlapped Genetic Mechanism between Gout and Attention-deficit Hyperactivity Disorder

2020· article· en· W3097138249 sur OpenAlexvenueno aff
Om Prakash Kafle, Xi Wang, Shiqiang Cheng, Miao Ding, Ping Li, Bolun Cheng, Xiao Liang, Li Liu, Yanan Du, Mei Ma, Lu Zhang, Yan Zhao, Yan Wen

Notice bibliographique

RevueThe Canadian Journal of Psychiatry · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGout, Hyperuricemia, Uric Acid
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésGoutAttention deficit hyperactivity disorderCandidate geneCorrelationGenetic associationGenome-wide association studyGenetic architectureMedicineGeneticsGeneQuantitative trait locusBiologyPsychiatryGenotypeSingle-nucleotide polymorphismInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objectives: Gout is a common inflammatory arthritis, which is caused by hyperuricemia. Limited efforts have been paid to systematically explore the relationships between gout and common psychiatric disorders. Methods: Genome-wide association study summary data of gout were obtained from the GeneATLAS, which contained 452,264 participants including 3,528 gout cases. Linkage disequilibrium score regression (LDSC) was first conducted to evaluate the genetic relationships between gout and 5 common psychiatric disorders. Transcriptome-wide association studies (TWAS) was then conducted to explore the potential biological mechanism underlying the observed genetic correlation between gout and attention-deficit hyperactivity disorder (ADHD). The Database for Annotation, Visualization and Integrated Discovery online functional annotation system was applied for pathway enrichment analysis and gene ontology enrichment analysis. Results: LDSC analysis observed significant genetic correlation between gout and ADHD (genetic correlation coefficients = 0.29, standard error = 0.09 and P value = 0.0015). Further TWAS of gout identified 105 genes with P value < 0.05 in muscle skeleton and 228 genes with P value < 0.05 in blood. TWAS of ADHD also detected 300 genes with P value < 0.05 in blood. Further comparing the TWAS results identified 9 common candidate genes shared by gout and ADHD, such as CD300C ( P gout = 0.0040; P ADHD = 0.0226), KDM6B ( P gout = 0.0074; P ADHD = 0.0460), and BST1 ( P gout = 0.0349; P ADHD = 0.03560). Conclusion: We observed genetic correlation between gout and ADHD and identified multiple candidate genes for gout and ADHD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of PsychiatryMême sujetGout, Hyperuricemia, Uric AcidTravaux en français237 207