Set-Based Rare Variant Expression Quantitative Trait Loci in Blood and Brain from Alzheimer Disease Study Participants
Notice bibliographique
Résumé
Because studies of rare variant effects on gene expression have limited power, we investigated set-based methods to identify rare expression quantitative trait loci (eQTL) related to Alzheimer disease (AD). Gene-level and pathway-level cis rare-eQTL mapping was performed genome-wide using gene expression data derived from blood donated by 713 Alzheimer’s Disease Neuroimaging Initiative participants and from brain tissues donated by 475 Religious Orders Study/Memory and Aging Project participants. The association of gene or pathway expression with a set of all cis potentially regulatory low-frequency and rare variants within 1 Mb of genes was evaluated using SKAT-O. A total of 65 genes expressed in the brain were significant targets for rare expression single nucleotide polymorphisms (eSNPs) among which 17% (11/65) included established AD genes HLA-DRB1 and HLA-DRB5. In the blood, 307 genes were significant targets for rare eSNPs. In the blood and the brain, GNMT, LDHC, RBPMS2, DUS2, and HP were targets for significant eSNPs. Pathway enrichment analysis revealed significant pathways in the brain (n = 9) and blood (n = 16). Pathways for apoptosis signaling, cholecystokinin receptor (CCKR) signaling, and inflammation mediated by chemokine and cytokine signaling were common to both tissues. Significant rare eQTLs in inflammation pathways included five genes in the blood (ALOX5AP, CXCR2, FPR2, GRB2, IFNAR1) that were previously linked to AD. This study identified several significant gene- and pathway-level rare eQTLs, which further confirmed the importance of the immune system and inflammation in AD and highlighted the advantages of using a set-based eQTL approach for evaluating the effect of low-frequency and rare variants on gene expression.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».