A multi-phenotype analysis reveals 19 novel susceptibility loci for basal cell carcinoma and 15 for squamous cell carcinoma
Notice bibliographique
Résumé
ABSTRACT Basal cell carcinoma (BCC) and squamous cell carcinoma (SCC) are the most common forms of skin cancer. There is genetic overlap between skin cancers, pigmentation traits, and autoimmune diseases. We use linkage disequilibrium score regression to identify 20 traits (melanoma, pigmentation traits, autoimmune diseases, and blood biochemistry biomarkers) with a high genetic correlation ( r g > 10%, P < 0.05) with BCC (20,791 cases and 286,893 controls in the UK Biobank) and SCC (7,402 cases and 286,892 controls in the UK Biobank), and use a multi-trait genetic analysis to identify 78 and 69 independent genome-wide significant (P < 5 × 10 -8 ) susceptibility loci for BCC and SCC respectively; 19 BCC and 15 SCC loci are both novel and replicated (P < 0.05) in a large independent cohort; 23andMe, Inc (BCC: 251,963 cases and 2,271,667 controls, and SCC: 134,700 cases and 2,394,699 controls. Novel loci are implicated in BCC/SCC development and progression (e.g. CDKL1 ), pigmentation (e.g. DSTYK ), cardiometabolic pathways (e.g. FADS2 ), and immune-regulatory pathways including; innate immunity against coronaviruses (e.g. IFIH1 ), and HIV-1 viral load modulation and disease progression (e.g. CCR5 ). We also report a powerful and optimised BCC polygenic risk score that enables effective risk stratification for keratinocyte cancer in a large prospective Canadian Longitudinal Study of Aging (794 cases and 18139 controls); e.g. percentage of participants reclassified; MTAG PRS = 36.57%, 95% CI = 35.89-37.26% versus UKB PRS = 33.23%, 95% CI=32.56-33.91%).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,003 | 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 ».