Comparative Genetic Analysis of Psoriatic Arthritis and Psoriasis for the Discovery of Genetic Risk Factors and Risk Prediction Modeling
Notice bibliographique
Résumé
Objectives Psoriatic arthritis (PsA) has a strong genetic component, and the identification of genetic risk factors could help identify the ~30% of psoriasis patients at high risk of developing PsA. Our objectives were to identify genetic risk factors and pathways that differentiate PsA from cutaneous‐only psoriasis (PsC) and to evaluate the performance of PsA risk prediction models. Methods Genome‐wide meta‐analyses were conducted separately for 5,065 patients with PsA and 21,286 healthy controls and separately for 4,340 patients with PsA and 6,431 patients with PsC. The heritability of PsA was calculated as a single‐nucleotide polymorphism (SNP)–based heritability estimate (h2SNP) and biologic pathways that differentiate PsA from PsC were identified using Priority Index software. The generalizability of previously published PsA risk prediction pipelines was explored, and a risk prediction model was developed with external validation. Results We identified a novel genome‐wide significant susceptibility locus for the development of PsA on chromosome 22q11 (rs5754467; P = 1.61 × 10−9), and key pathways that differentiate PsA from PsC, including NF‐κB signaling (adjusted P = 1.4 × 10−45) and Wnt signaling (adjusted P = 9.5 × 10−58). The heritability of PsA in this cohort was found to be moderate (h2SNP = 0.63), which was similar to the heritability of PsC (h2SNP = 0.61). We observed modest performance of published classification pipelines (maximum area under the curve 0.61), with similar performance of a risk model derived using the current data. Conclusion Key biologic pathways associated with the development of PsA were identified, but the investigation of risk classification revealed modest utility in the available data sets, possibly because many of the PsC patients included in the present study were receiving treatments that are also effective in PsA. Future predictive models of PsA should be tested in PsC patients recruited from primary care.
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 | 0,010 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».