Genome-Wide Meta-Analysis and Mendelian Randomization Identify Early Biomarkers of Non-Alcoholic Fatty Liver Disease
Notice bibliographique
Résumé
Abstract Background: The diagnosis of non-alcoholic fatty liver disease (NAFLD) is often challenging. Blood-based biomarkers which are causally influenced by NAFLD and that are not modulated by secondary non-causal pathways, are promising candidates for the identification of patients with NAFLD. Objectives: To identify blood metabolites and blood proteins that are causally impacted by the presence of NAFLD using Mendelian randomization (MR). Methods: We created a NAFLD genetic instrument through the identification of independent single-nucleotide polymorphisms associated with NAFLD in a meta-analysis of genome-wide association studies (GWAS) (6715 cases and 682,748 controls). Using inverse-variance weighted MR, we investigated the impact of NAFLD on 123 blood metabolites (in 24,925 participants from 10 European cohorts) and 3283 blood proteins (in 3301 participants from the INTERVAL cohort). Results: Our genetic instrument for genetically predicted NAFLD included 12 SNPs at the MTARC1, GCKR, LPL, TRIB1, LMO3, FTO, TM6SF2, APOE and PNPLA3 loci. After correction for false-discovery rate, we found a positive effect of NAFLD on blood tyrosine levels and on blood levels of eight proteins (encoded by the IDUA, ADH4, HMGCS1, GSTA1, ASL, POR, FBP1 and CTSZ genes). These association were robust to outliers and we found to evidence of horizontal pleiotropy. Conclusions: We report the existence of a potentially causal impact of the presence of NAFLD on tyrosine metabolism as well as on eight circulating proteins, which could potentially represent early biomarkers of NAFLD.
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) | 0,001 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».