Genomic and phenomic landscape of clonal hematopoiesis in over a million ancestrally diverse participants
Notice bibliographique
Résumé
Abstract With aging, somatic mutations in hematopoietic stem and progenitor cells (HSPC) can give rise to clonal hematopoiesis of indeterminate potential (CHIP), a premalignant state associated with diverse age-related diseases. Here we report the largest multi-ancestry genome-wide analysis of CHIP to date (N = 1,018,305), including individuals of African (N = 85,978), Admixed American (N = 191,371), East Asian (N = 13,532), European (N = 694,015), and South Asian (N = 13,193) ancestry. Multi-ancestry meta-analyses identified 72 genome-wide significant loci, including 44 novel associations implicating genes such as AFF1 , ATF7IP , ATP8B4 , BCL2 , CEBPA , CYRIA , DNM2 , ELF1 , NKX2-3 , PIK3CB , PRDM16 , RPN1 , TERC , and TRIM4 . Notably, variants at MECOM and PHF20L1 showed opposite allelic effects between DNMT3A - and non- DNMT3A -driven CHIP, highlighting driver-specific germline influences. Implicated loci converge on pathways regulating telomere maintenance, cell-cycle control, hematopoietic transcription, DNA damage response and immune signaling. These findings support a model in which germline variation both expands the HSPC pool and biases clonal selection in a driver-dependent manner, providing a mechanistic basis for inter-individual heterogeneity in CHIP. Phenome-wide association analyses further linked CHIP to hematologic, neoplastic, and circulatory traits, with enrichment across hematopoietic and non-hematopoietic cell types. Together, this work expands the genomic and phenomic landscape of CHIP and reveals germline–somatic interactions that shape clonal evolution during aging.
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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».