MétaCan
Menu
Retour à la cohorte
Enregistrement W3216904671 · doi:10.1101/2021.11.19.21265383

GWAS defines pathogenic signaling pathways and prioritizes drug targets for IgA nephropathy

2021· preprint· en· W3216904671 sur OpenAlexaff
Krzysztof Kiryluk, Elena Sánchez, Shu‐Feng Zhou, Francesca Zanoni, Lili Liu, Nikol Mladkova, Atlas Khan, Maddalena Marasà, Jun Y. Zhang, Olivia Balderes, Simone Sanna‐Cherchi, Andrew S. Bomback, Pietro A. Canetta, Gerald B. Appel, Jai Radhakrishnan, Hernán Trimarchi, Ben Sprangers, Daniel Cattran, Heather N. Reich, York Pei, Pietro Ravani, Kres̆imir Gales̃ić, Dita Maixnerová, Vladimı́r Tesař, Bénédicte Stengel, Marie Metzger, Guillaume Canaud, Nicolas Maillard, F. Berthoux, Laureline Berthelot, Évangéline Pillebout, Renato C. Monteiro, Raoul D. Nelson, Robert Wyatt, William E. Smoyer, John D. Mahan, Al-Akash Samhar, Guillermo Hidalgo, Alejandro Quiroga, Patricia L. Weng, Raji Sreedharan, David T. Selewski, Keefe Davis, Mahmoud Kallash, Tetyana L. Vasylyeva, Michelle N. Rheault, Aftab S. Chishti, Daniel Ranch, Scott E. Wenderfer, Dmitry Samsonov, Donna Claes, Akchurin Oleh, Dimitrios Goumenos, Μaria Stangou, Judit Nagy, Tibor Kovács, Enrico Fiaccadori, Antonio Amoroso, Cristina Barlassina, Daniele Cusi, Lucia Del Vecchio, Giovanni Giorgio Battaglia, Monica Bodria, Emanuela Boer, Luisa Bono, Giuliano Boscutti, Gianluca Caridi, Francesca Lugani, Gian Marco Ghiggeri, Rosanna Coppo, Licia Peruzzi, Vittoria Esposito, Ciro Esposito, Sandro Feriozzi, Rosaria Polci, Giovanni M. Frascà, Marco Galliani, Maurizio Garozzo, Adele Mitrotti, Loreto Gesualdo, Simona Granata, Gianluigi Zaza, Francesco Londrino, Riccardo Magistroni, Isabella Pisani, Andrea Magnano, Carmelita Marcantoni, Piergiorgio Messa, Renzo Mignani, Antonello Pani, Claudio Ponticelli, Dario Roccatello, Maurizio Salvadori, Erica Salvi, Domenico Santoro, Guido Gembillo, Silvana Savoldi, Donatella Spotti, Pasquale Zamboli, Claudia Izzi, Federico Alberici, Elisa Delbarba, Michał Florczak, Natalia Krata, Krzysztof Mucha, Leszek Pączek, Stanisław Niemczyk, Barbara Moszczuk, Małgorzata Pańczyk-Tomaszewska, Małgorzata Mizerska-Wasiak, Agnieszka Perkowska‐Ptasińska, Teresa Bączkowska, Magdalena Durlik, Krzysztof Pawlaczyk, Przemysław Sikora, Marcin Zaniew, Dorota Kamińska, Magdalena Krajewska, Izabella Kuźmiuk-Glembin, Zbigniew Heleniak, Barbara Bułło‐Piontecka, Tomasz Liberek, Alicja Dębska‐Ślizień, Tomasz Hryszko, Anna Materna‐Kiryluk, Monika Miklaszewska, Katarzyna Dyga, Edyta Machura, Katarzyna Siniewicz‐Luzeńczyk, Monika Pawlak-Bratkowska, Marcin Tkaczyk, Dariusz Runowski, Norbert Kwella, Dorota Drożdż, Ireneusz Habura, Florian Kronenberg, Larisa Prikhodina, David A. van Heel, Bertrand Fontaine, Chris Cotsapas, Cisca Wijmenga, André Franke, Vito Annese, Peter K. Gregersen, Sreeja Parameswaran, Matthew T. Weirauch, Leah C. Kottyan, John B. Harley, Hitoshi Suzuki, Ichiei Narita, Hajeong Lee, Dong Ki Kim, Yon Su Kim, Jin‐Ho Park, Belong Cho, Murim Choi, Ans Van Wijk, Ana Huerta, Elisabet Ars, José Ballarín, Sigrid Lundberg, Bruno Vogt, Laila‐Yasmin Mani, Yaşar Çalışkan, Jonathan Barratt, Thilini Abeygunaratne, Philip A. Kalra, Daniel P. Gale, Ulf Panzer, Thomas Rauen, Jürgen Floege, Pascal Schlosser, Arif B. Ekici, Kai‐Uwe Eckardt, Nan Chen, Jingyuan Xie, Richard P. Lifton, Ruth J. F. Loos, Eimear E. Kenny, Iuliana Ionita‐Laza, Anna Köttgen, Bruce A. Julian, Jan Novák, Francesco Scolari, Hong Zhang, Ali G. Gharavi

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueRenal Diseases and Glomerulopathies
Établissements canadiensUniversity of CalgaryToronto General HospitalUniversity of Toronto
Organismes subventionnairesMedical Research CouncilUniwersytet Medyczny im. Karola Marcinkowskiego w PoznaniuAlbert-Ludwigs-Universität FreiburgBundesministerium für Bildung und ForschungNational Natural Science Foundation of ChinaDeutsche ForschungsgemeinschaftNational Institute of Diabetes and Digestive and Kidney DiseasesMedizinische Fakultät der Albert-Ludwigs-Universität FreiburgVšeobecná Fakultní Nemocnice v PrazeAmgenNational Science FoundationKidney Research UKKfH-Stiftung PräventivmedizinFresenius Medical Care North AmericaU.S. Department of Veterans Affairs
Mots-clésGenome-wide association studyNephropathyBiologyImmunologySNPDiseaseGenetic associationCandidate geneGeneticsSingle-nucleotide polymorphismGeneMedicineInternal medicineGenotypeEndocrinology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT IgA nephropathy (IgAN) is a progressive form of kidney disease defined by glomerular deposition of IgA. We performed a genome-wide association study involving 10,146 kidney biopsy-diagnosed IgAN cases and 28,751 matched controls across 17 international cohorts. We defined 30 independent genome-wide significant risk loci jointly explaining 11% of disease risk. A total of 16 loci were novel, including TNFSF4, REL, CD28, CXCL8/PF4V1, LY86, LYN, ANXA3, TNFSF8/15, REEP3, ZMIZ1, RELA, ETS1, IGH, IRF8, TNFRSF13B and FCAR . The SNP-based heritability of IgAN was estimated at 23%. We observed a positive genetic correlation between IgAN and total serum IgA levels, allergy, tonsillectomy, and several infections, and a negative correlation with inflammatory bowel disease. All significant non-HLA loci shared with serum IgA levels had a concordant effect on the risk of IgAN. Moreover, IgAN loci were globally enriched in gene orthologs causing abnormal IgA levels when genetically manipulated in mice. The explained heritability was enriched in the regulatory elements of cells from the immune and hematopoietic systems and intestinal mucosa, providing support for the pathogenic role of extra-renal tissues. The polygenic risk of IgAN was associated with early disease onset, increased lifetime risk of kidney failure, as well as hematuria and several other traits in a phenome-wide association study of 590,515 individuals. In the comprehensive functional annotation analysis of candidate causal genes across genome-wide significant loci, we observed the convergence of biological candidates on a common set of inflammatory signaling pathways and cytokine ligand-receptor pairs, prioritizing potential new drug targets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,262
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetRenal Diseases and GlomerulopathiesTravaux en français237 207