Genetic Architecture of Untargeted Lipidomics in Cardiometabolic-Disease Patients Combines Strong Polygenic Control and Pleiotropy
Notice bibliographique
Résumé
Analysis of the genetic control of small metabolites provides powerful information on the regulation of the endpoints of genome expression. We carried out untargeted liquid chromatography−high-resolution mass spectrometry in 273 individuals characterized for pathophysiological elements of the cardiometabolic syndrome. We quantified 3013 serum lipidomic features, which we used in both genome-wide association studies (GWAS), using a panel of over 2.5 M imputed single-nucleotide polymorphisms (SNPs), and metabolome-wide association studies (MWAS) with phenotypes. Genetic analyses showed that 926 SNPs at 551 genetic loci significantly (q-value < 10−8) regulate the abundance of 74 lipidomic features in the group, with evidence of monogenic control for only 22 of these. In addition to this strong polygenic control of serum lipids, our results underscore instances of pleiotropy, when a single genetic locus controls the abundance of several distinct lipid features. Using the LIPID MAPS database, we assigned putative lipids, predominantly fatty acyls and sterol lipids, to 77% of the lipidome signals mapped to the genome. We identified significant correlations between lipids and clinical and biochemical phenotypes. These results demonstrate the power of untargeted lipidomic profiling for high-density quantitative molecular phenotyping in human-genetic studies and illustrate the complex genetic control of lipid metabolism.
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 | 0,000 |
| 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 ».