<i>SERINC2</i>increases the risk of bipolar disorder in the Chinese population
Notice bibliographique
Résumé
BACKGROUND: Although common variants in a large collection of patients are associated with increased risk for bipolar disorder (BD), studies have only been able to predict 25%-45% of risks, suggesting that lots of variants that contribute to the risk for BD haven't been identified. Our study aims to identify novel BD risk genes. METHODS: We performed whole-exome sequencing of 27 individuals from 6 BD multi-affected Chinese families to identify candidate variants. Targeted sequencing of one of the novel risk genes, SERINC2, in additional sporadic 717 BD patients and 312 healthy controls (HC) validated the association. Magnetic resonance imaging (MRI) were performed to evaluate the effect of the variant to brain structures from 213 subjects (4 BD subjects from a multi-affected family, 130 sporadic BD subjects and 79 HC control). RESULTS: BD pedigrees had an increased burden of uncommon variants in extracellular matrix (ECM) and calcium ion binding. By large-scale sequencing we identified a novel recessive BD risk gene, SERINC2, which plays a role in synthesis of sphingolipid and phosphatidylserine (PS). MRI image results show the homozygous nonsense variant in SERINC2 affects the volume of white matter in cerebellum. CONCLUSIONS: Our study identified SERINC2 as a risk gene of BD in the Chinese population.
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 ».