Leveraging large observational studies to discover genetic determinants of drug concentrations: A proof‐of‐concept study
Notice bibliographique
Résumé
Abstract Large, observational genetic studies are commonly used to identify genetic factors associated with diseases and disease‐related traits. Such cohorts have not been commonly used to identify genetic predictors of drug dosing or concentrations, perhaps because of the heterogeneity in drug dosing and formulation, and the random timing of blood sampling. We hypothesized that large sample sizes relative to traditional pharmacokinetic studies would compensate for this variability and enable the identification of pharmacogenetic predictors of drug concentrations. We performed a cross‐sectional, proof‐of‐concept association study to replicate the well‐established association between metoprolol concentrations and CYP2D6 genotype‐inferred metabolizer phenotypes in participants from the Montreal Heart Institute Hospital Cohort undergoing metoprolol therapy. Plasma concentrations of metoprolol and α‐hydroxymetoprolol (α‐OH‐metoprolol) were measured in samples collected randomly regarding the previous metoprolol dose. A total of 999 individuals were included. The metoprolol daily dose ranged from 6.25 to 400 mg (mean 84.3 ± 57.1 mg). CYP2D6‐inferred phenotype was significantly associated with both metoprolol and α‐OH‐metoprolol in unadjusted and adjusted models (all p < 10 −14 ). Models for metoprolol daily dose showed consistent results. Our study suggests that randomly drawn blood samples from biobanks can serve as a new approach to discover genetic associations related to drug concentrations and dosing, with potentially broader implications for genomewide association studies on the pharmacogenomics of drug metabolism.
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 | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».