Notice bibliographique
Résumé
Background: The mechanisms underlying the severity and wide heterogeneity of multiple sclerosis (MS) remain poorly understood. A persistent challenge has been determining whether genetic variation influences these traits. Methods: In 12,584 people with MS (pwMS), we estimated the proportion of age-related MS severity score variance attributable to additive genetic variation (SNP-heritability). Then, we interrogated for enrichment in hundreds of tissues and cell types using gene expression annotations. We performed a genome-wide association study (GWAS) using 7.8 million variants and attempted replication in an independent cohort of 9,805 pwMS. A subset of 8,325 pwMS was examined longitudinally over 54,113 visits. Results: We observed a 10% SNP-heritability for MS severity. In contrast to MS susceptibility, robust tissue-level enrichment was apparent in the brain and cervical spinal cord, but not in immune cells. We identified a novel MS severity locus (p<5×10−8) and confirmed this in the replicate population. The lead variant was associated with higher hazards of 6-month confirmed disability worsening (p=0.008) and faster EDSS worsening (p=0.002). Time to walking aid (EDSS 6.0) was 3.2 years earlier in homozygous risk carriers. Conclusions: This study identifies the first genetic modifier of MS progression, establishes the genetic contributions to its heterogeneity and describes a distinct genetic architecture from susceptibility.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».