Interactions with early-life exposures modulate polygenic risk of wheeze and asthma in preschool-aged children
Notice bibliographique
Résumé
Background: Asthma is a multifactorial disease with numerous associated genetic and environmental risk factors, however, gene-environment interactions are poorly understood in modulating disease risk. This study determines the polygenic effects of multiple genetic loci and interactions with environmental exposures during early infancy on risk of recurrent wheeze and asthma in pre-school aged children. Methods: We conducted genome-wide association studies (GWAS) and applied a thresholding method to calculate genetic risk scores (GRS) of recurrent wheeze and asthma in 2835 children of the CHILD Cohort Study. Recurrent wheeze was defined as two or more episodes in one year between ages 2-5 years and asthma was diagnosed at age 5 years. In addition, we tested for interaction effects between the GRS and environmental exposures on these respiratory outcomes. Results: GWAS identified associations with known asthma loci on chromosome 17q12 - 17q21 (p < 5e-8). GRS analysis determined that the weighted addition of alleles at four childhood-asthma loci correlated with more than 2-fold higher prevalence of recurrent wheeze (p =1.5e-08) and asthma (p = 9.4e-08) between high vs. low GRS groups. In addition, the GRS interacts with breastfeeding (p = 0.02) and traffic air pollution (NO2; p < 0.01) during the first year of life to modulate risk of recurrent wheeze and childhood-onset asthma. Conclusions: This study reports polygenic effects of multiple genetic loci, which interact with early-life exposures, to determine risk of respiratory outcomes during early childhood. Thus, asthma risk may be determined early in infancy when exposures may modulate genetic risk.
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) | 0,001 | 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 | 0,001 |
| 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 ».