MétaCan
Menu
← Retour à la cohorte
Enregistrement W4200237423 · doi:10.1101/2021.11.30.21267083

Identification and application of plasmatic microRNA expression quantitative trait loci (miR-QTL) at first trimester of pregnancy

2021· preprint· en· W4200237423 sur OpenAlexafffund
Frédérique White, Marika Groleau, Samuel Côté, Cécilia Légaré, Kathrine Thibeault, Andrée‐Anne Clément, Marie‐France Hivert, Luigi Bouchard, Pierre‐Étienne Jacques

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité de Sherbrooke
Organismes subventionnairesGénome QuébecFonds de Recherche du Québec - SantéCompute CanadaMcGill University
Mots-clésExpression quantitative trait locimicroRNAQuantitative trait locusSingle-nucleotide polymorphismPregnancyBiologyGestational diabetesGeneticsGenome-wide association studyGenetic associationComputational biologyBioinformaticsGeneGenotypeGestation

Résumé

récupéré en direct d'OpenAlex

Abstract Background MicroRNAs (miRNAs) are a class of small non-coding RNAs regulating gene expression. They are involved in many biological processes, including adaptation to pregnancy. The identification of genetic variants associated with gene expression, known as expression quantitative trait loci (eQTL), helps to understand the underlying molecular mechanisms and determinants of complex diseases. Using data from the prospective pre-birth Gen3G cohort, we investigated associations between maternal genotypes and plasmatic miRNA levels measured during the first trimester of pregnancy of 369 women. Results Assessing the associations between about 2 million SNPs and miRNA proximal pairs using best practices from the GTEx consortium, a total of 22,140 significant eQTLs involving 147 unique miRNAs were identified. Elastic-net regressions were applied to select the most relevant SNPs to build genetic risk scores (GRS) for each of these 147 miRNAs. For about half of the circulating miRNAs, the GRS captured >10% of the variance abundance. As a demonstration of the usefulness of the identified eQTLs and derived GRS, we used the GRSs as instrumental variables to test for association between the circulating levels of miRNAs quantified before the 16th week of pregnancy and the development of pregnancy complications (gestational diabetes [GDM] or pre-eclampsia [PE]) developing more than three months later on average. Using predicted miRNA levels derived from instrumental variables, we found 18 significant associations of miRNAs with potential support of causal inference for GDM or PE. Conclusions Our results represent a valuable resource to understand miRNA regulation and highlight the potential of genetic instruments in predicting circulating miRNA levels and their possible contribution in disease development.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,267
Écart entre enseignants0,253 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetMicroRNA in disease regulation→Travaux en français237 207→