Association of Novel Loci With Keratoconus Susceptibility in a Multitrait Genome-Wide Association Study of the UK Biobank Database and Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Importance: Keratoconus can be a debilitating corneal ectasia in which the cornea thins, bulges, and steepens into a conical shape. Early features of keratoconus include myopia and irregular astigmatism, which affect vision and can be treated with contact lenses, collagen cross-linking, or, in advanced cases, corneal transplant. Recent estimates of the prevalence of keratoconus based on results of Scheimpflug imaging in young adults are as high as 1.2%. However, obtaining very large keratoconus data sets for a genome-wide association study (GWAS) is problematic because few population studies include Scheimpflug imaging and because severe keratoconus is relatively rare. Objective: To identify novel keratoconus loci using corneal resistance factor (CRF) and central corneal thickness (CCT). Design, Setting, and Participants: This multitrait GWAS used European ancestry CRF data from UK Biobank (UKB) (n = 105 427) and the Canadian Longitudinal Study on Aging (CLSA) (n = 18 307) and European ancestry CCT data from the International Glaucoma Genetics Consortium (IGGC) (n = 17 803). The CRF and CCT variants in published keratoconus data sets (4669 cases and 116 547 controls) were compared. The data set from UKB was compiled March 24, 2020; data were released from the CLSA in July 2020; and IGGC data were available from May 1, 2018. Main Outcomes and Measures: Association of CRF and CCT variants with keratoconus risk. Results: The GWAS included 4 cohorts: 105 427 UKB European ancestry (56 134 women [53.2%] and 49 293 men [46.7%]; mean [SD] age, 57 [8] years), 5029 UKB South Asian ancestry (2368 women [47.1%] and 2661 men [52.9%]; mean [SD] age, 54 [8] years), 902 UKB East Asian ancestry (622 women [68.9%] and 280 men [31.0%]; mean [SD] age, 53 [8] years), and 18 307 CLSA European ancestry (9260 women [50.6%] and 9047 men [49.4%]; mean [SD] age, 63 [10] years) participants. A total of 369 CRF and 233 CCT loci were identified, including 36 novel CRF loci and 114 novel CCT loci. Twenty-nine CRF loci and 24 CCT loci were associated with keratoconus. Polygenic risk scores (PRS) were constructed using CRF- and CCT-associated variants and published keratoconus variants. The PRS result showed that adding a CRF- or CCT-based PRS to the keratoconus PRS from previously published variants improved the prediction area under the receiver operating characteristic curve (from 0.705 to 0.756 for CRF and from 0.715 to 0.755 for CCT). Conclusions and Relevance: These findings support the use of multitrait modeling of corneal parameters in a relatively large data set to identify new keratoconus risk loci and enhance polygenic risk score models.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».