Heritability enrichment implicates microglia in Parkinson’s disease pathogenesis
Notice bibliographique
Résumé
Abstract Objective Understanding how different parts of the immune system contribute to pathogenesis in Parkinson’s disease is a burning challenge with important therapeutic implications. We studied enrichment of common variant heritability for Parkinson’s disease stratified by immune and brain cell types. Methods We used summary statistics from the most recent meta-analysis of genome-wide association studies in Parkinson’s disease and partitioned heritability using linkage disequilibrium score regression, stratified for specific cell types as defined by open chromatin regions. We also validated enrichment results using a polygenic risk score approach and intersected disease-associated variants with epigenetic data and expression quantitative loci to nominate and explore a putative microglial locus. Results We found significant enrichment of Parkinson’s disease risk heritability in open chromatin regions of microglia and monocytes. Genomic annotations overlapped substantially between these two cell types, and only the enrichment signal for microglia remained significant in a joint model. We present evidence suggesting P2RY12 , a key microglial gene and target for the anti-thrombotic agent clopidogrel, as the likely driver of a significant Parkinson’s disease association signal on chromosome 3. Interpretation Our results provide further support for the importance of immune mechanisms in PD pathogenesis, highlight microglial dysregulation as a contributing etiological factor and nominate a targetable microglial gene candidate as a pathogenic player. Immune processes can be modulated by therapy, with potentially important clinical implications for future treatment in Parkinson’s disease.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».