Proteome-wide Mendelian randomization in global biobank meta-analysis reveals multi-ancestry drug targets for common diseases
Notice bibliographique
Résumé
Abstract Proteome-wide Mendelian randomization (MR) shows value in prioritizing drug targets in Europeans, but limited data has made identification of causal proteins in other ancestries challenging. Here we present a multi-ancestry proteome-wide MR analysis pipeline based on cross-population data from the Global Biobank Meta-analysis Initiative (GBMI). We estimated the causal effects of 1,545 proteins on eight complex diseases in up to 32,658 individuals of African ancestries and 1.22 million individuals of European ancestries. We identified 45 and seven protein-disease pairs with MR and genetic colocalization evidence in the two ancestries respectively. 15 protein-disease pairs showed evidence of differential effects between males and females. A multi-ancestry MR comparison identified two protein-disease pairs with MR evidence of an effect in both ancestries, seven pairs with European-specific effects and seven with African-specific effects. Integrating these MR signals with observational and clinical trial evidence, we were able to evaluate the efficacy of one existing drug, identify seven drug repurposing opportunities and predict seven novel effects of proteins on diseases. Our results highlight the value of proteome-wide MR in informing the generalisability of drug targets across ancestries and illustrate the value of multi-cohort and biobank meta-analysis of genetic data for drug development. Graphical abstract Notation: genome-wide association study (GWAS); Mendelian randomization (MR); primary open-angle glaucoma (POAG); idiopathic pulmonary fibrosis (IPF); chronic obstructive pulmonary disease (COPD); heart failure (HF), venous thromboembolism (VTE). European ancestry (EUR); African ancestry (AFR)*For the seven protein-disease associations, one association passed FDR threshold of 0.05 in proteome-wide MR, six additional associations passed FDR of 0.05 in the multi-ancestry comparison analysis. Highlights A multi-ancestry proteome-wide Mendelian randomization (MR) analysis of 1,545 proteins on eight diseases in more than 1.26 million individuals from a disease GWAS meta-analysis of 19 biobanks. We find evidence for putative causal effects in 45 protein-disease pairs in European ancestry and seven protein-disease pairs in African ancestry, with 15 pairs showing sex specific effects. We identify evidence of causality for two protein-disease pairs that are common to both African and European ancestries, seven pairs with European-specific effects and seven pairs with African-specific effects. Triangulating with clinical trial and observational evidence prioritizes seven new targets, seven drug repurposing opportunities and one existing drug target that generalise to African ancestry.
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 | 0,036 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,010 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».