Genome-wide Association Study of Liking for Several Types of Physical Activity in the UK Biobank and Two Replication Cohorts.
Notice bibliographique
Résumé
INTRODUCTION: A lack of physical activity (PA) is one of the most pressing health issues today. Our individual propensity for PA is influenced by genetic factors. Stated liking of different PA types may help capture additional and informative dimensions of PA behavior genetics. METHODS: In over 157,000 individuals from the UK Biobank, we performed genome-wide association studies of five items assessing the liking of different PA types, plus an additional derived trait of overall PA-liking. We attempted to replicate significant associations in the Netherlands Twin Register (NTR) and TwinsUK. Additionally, polygenic scores (PGS) were trained in the UK Biobank for each PA-liking item and for self-reported PA behavior, and tested for association with PA in the NTR. RESULTS: We identified a total of 19 unique significant loci across all five PA-liking items and the overall PA-liking trait, and these showed strong directional consistency in the replication cohorts. Four of these loci were previously identified for PA behavior, including CADM2 , which was associated with three PA-liking items. The PA-liking items were genetically correlated with self-reported ( rg = 0.38-0.80) and accelerometer ( rg = 0.26-0.49) PA measures, and with a wide range of health-related traits. Each PA-liking PGS significantly predicted the same PA-liking item in NTR. The PGS of liking for going to the gym predicted PA behavior in the NTR ( r2 = 0.40%) nearly as well as a PGS based on self-reported PA behavior ( r2 = 0.42%). Combining the two PGS into a single model increased the r2 to 0.59%, suggesting that PA-liking captures distinct and relevant dimensions of PA behavior. CONCLUSIONS: We have identified the first loci associated with PA-liking and extended our understanding of the genetic basis of PA behavior.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».