Multi‐phenotype analyses of hemostatic traits with cardiovascular events reveal novel genetic associations
Notice bibliographique
Résumé
Background Multi‐phenotype analysis of genetically correlated phenotypes can increase the statistical power to detect loci associated with multiple traits, leading to the discovery of novel loci. This is the first study to date to comprehensively analyze the shared genetic effects within different hemostatic traits, and between these and their associated disease outcomes. Objectives To discover novel genetic associations by combining summary data of correlated hemostatic traits and disease events. Methods Summary statistics from genome wide‐association studies (GWAS) from seven hemostatic traits (factor VII [FVII], factor VIII [FVIII], von Willebrand factor [VWF] factor XI [FXI], fibrinogen, tissue plasminogen activator [tPA], plasminogen activator inhibitor 1 [PAI‐1]) and three major cardiovascular (CV) events (venous thromboembolism [VTE], coronary artery disease [CAD], ischemic stroke [IS]), were combined in 27 multi‐trait combinations using metaUSAT. Genetic correlations between phenotypes were calculated using Linkage Disequilibrium Score Regression (LDSC). Newly associated loci were investigated for colocalization. We considered a significance threshold of 1.85 × 10 −9 obtained after applying Bonferroni correction for the number of multi‐trait combinations performed ( n = 27). Results Across the 27 multi‐trait analyses, we found 4 novel pleiotropic loci ( XXYLT1 , KNG1 , SUGP1 / MAU2 , TBL2 / MLXIPL ) that were not significant in the original individual datasets, were not described in previous GWAS for the individual traits, and that presented a common associated variant between the studied phenotypes. Conclusions The discovery of four novel loci contributes to the understanding of the relationship between hemostasis and CV events and elucidate common genetic factors between these traits.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».