Better together against genetic effect heterogeneity: a sex-combined interaction analysis of testosterone levels in the UK Biobank data
Notice bibliographique
Résumé
ABSTRACT The effect of a genetic variant on a complex trait may differ between female and male, and in the presence of such genetic effect heterogeneity, sex-stratified analysis is often used. For example, genetic effects are sex-specific for testosterone levels, and sex-stratified analysis of testosterone in literature provided easy-to-interpret, sex-specific effect size estimates. However, from the perspective of association testing power, sex-stratified analysis may not be the best approach. As sex-specific genetic effect implies SNP×Sex interaction effect, jointly testing SNP main and SNP×Sex interaction effects may be more powerful than sex-stratified analysis or the standard main-effect testing approach. Moreover, since individual data may be unavailable, it is then of interest to study if the interaction analysis can be derived from sex-stratified summary statistics. We considered several different sex-combined methods and evaluated them through extensive simulation studies. We observed that a) the joint SNP main and SNP×Sex interaction analysis is most robust to a wide range of genetic models, and b) this joint interaction testing result can be obtained by quadratically combining sex-stratified summary statistics (i.e. squared sum of the sex-stratified summary statistics). We then reanalysed the testosterone levels of the UK Biobank data using sex-combined interaction analysis, which identified 27 new loci that were missed by the sex-stratified approach and the standard sex-combined analysis. Finally, we provide supporting association evidence for nine new loci, uniquely identified by the sex-combined interaction analysis, from earlier association studies of either testosterone level or steroid biosynthesis pathway where testosterone is synthesized. We thus recommend sex-combined interaction analysis, particularly for traits with known sex differences, for most powerful association testing, then followed by sex-stratified analysis for effect size estimation and interpretation.
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 | 0,022 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 | 0,000 |
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 ».