Integrative multi-omics database (iMOMdb) of Asian pregnant women
Notice bibliographique
Résumé
Asians are underrepresented across many omics databases, thereby limiting the potential of precision medicine in nearly 60% of the global population. As such, there is a pressing need for multi-omics derived quantitative trait loci (QTLs) to fill the knowledge gap of complex traits in populations of Asian ancestry. Here, we provide the first blood-based multi-omics analysis of Asian pregnant women, constituting high-resolution genotyping (N = 1079), DNA methylation (N = 915) and transcriptome profiling (N = 238). Integrative omics analysis identified 219 154 CpGs associated with cis-DNA methylation QTLs (meQTLs) and 3703 RNAs associated with cis-RNA expression QTLs (eQTLs). Ethnicity was the largest contributor of inter-individual variation across all omics datasets, with 2561 genes identified as hotspots of this variation; 395 of these hotspot genes also contained both ethnicity-specific eQTLs and meQTLs. Gene set enrichment analysis of these ethnicity QTL hotspots showed pathways involved in lipid metabolism, adaptive immune system and carbohydrate metabolism. Pathway validation by profiling the lipidome (~480 lipids) of antenatal plasma (N = 752) and placenta (N = 1042) in the same cohort showed significant lipid differences among Chinese, Malay and Indian women, validating ethnicity-QTL gene effects across different tissue types. To develop deeper insights into the complex traits and benefit future precision medicine research in Asian pregnant women, we developed iMOMdb, an open-access database.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 ».