Convergent coexpression of autism associated genes suggests some novel risk genes may not be detectable in large-scale genetic studies
Notice bibliographique
Résumé
Abstract Autism spectrum disorder (ASD) is a highly heritable neurodevelopmental disorder characterized by deficits in social interactions and communication. Protein function altering variants in many genes have been shown to contribute to ASD risk; however, understanding the biological convergence across so many genes has been difficult and genetic studies depending on presence of deleterious variation may be limited in implicating highly intolerant genes with shorter coding sequences. Here, we demonstrate that coexpression patterns from human post-mortem brain samples (N = 993) are significantly correlated with the transcriptional consequences of CRISPR perturbations (gene editing, interference and activation) in human neurons (N = 17). Across 71 ASD risk genes, there is significant tissue-specific transcriptional convergence that implicates synaptic pathways. Tissue specific convergence of risk genes is a generalizable phenomenon, shown additionally in schizophrenia (brain) and atrial fibrillation (heart). The degree of this convergence in ASD is significantly correlated with the level of association to ASD from sequencing studies (rho = -0.32, P = 3.03 ×10 −65 ) as well as differential expression in post-mortem ASD brains (rho = -0.23, P = 2.39×10 −43 ). After removing all genes statistically associated with ASD, the remaining positively convergent genes showed intolerance to functional mutations, had shorter coding lengths than the ASD genes and were enriched for genes with clinical reports of potential pathogenic contribution to ASD. These results indicate that leveraging convergent coexpression can identify potentially novel risk genes that are unlikely to be discovered by sequencing studies. Overall, this work provides a simple approach to functionally proxy CRISPR perturbation, demonstrates significant context-specific transcriptional convergence among known risk genes of multiple diseases, and proposes novel ASD risk gene candidates.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».