Genetic overlap between major depression, bipolar disorder and Alzheimer’s Disease
Notice bibliographique
Résumé
ABSTRACT Background Mood disorders, including major depression (MD) and bipolar disorder (BD), are risk factors for Alzheimer’s disease (AD) and possibly share an overlapping genetic architecture. However, few studies have investigated the shared loci and potential pleiotropy among these disorders. Methods We carried out a systematic analytical pipeline using GWAS data and three complementary (genome-wide, single variant, and gene-level) statistical approaches to investigate the genetic overlap among MD, BD, and AD. Results GWAS summary statistics data from 679,973 individuals were analyzed herein (59,851 MD cases and 113,154 controls; 20,352 BD cases and 31,358 controls; and 71,880 AD cases and 383,378 controls). We identified a significant positive genetic correlation between MD and AD (r G = 0.162; s.e. = 0.064; p = 0.012), and between BD and AD (r G = 0.162; s.e. = 0.068; p = 0.018). We also identified two pleiotropic candidate genes for MD and AD (TMEM106B and THSD7A) and three forBD and AD ( MTSS2, VAC14 , and FAF1) , and reported candidate biological pathways associated with all three disorders. Discussion Our study identified genetic loci and mechanisms shared by mood disorders and AD. These findings could be relevant to better understand the higher risk for AD among individuals with mood disorders, and to propose new interventions.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».