Meta-Analysis and Multivariate GWAS Analyses in 80,950 Individuals of African Ancestry Identify Novel Variants Associated with Blood Pressure Traits
Notice bibliographique
Résumé
High blood pressure (HBP) has been implicated as a major risk factor for cardiovascular diseases in several populations, including individuals of African ancestry. Despite the elevated burden of HBP-induced cardiovascular diseases in Africa and other populations of African descent, limited genetic studies have been carried out to explore the genetic mechanism driving this phenomenon. We performed genome-wide association univariate and multivariate analyses of both systolic (SBP) and diastolic blood pressure (DBP) traits in 80,950 individuals of African ancestry. We used summary statistics data from six independent cohorts, including the African Partnership for Chronic Disease Research (APCDR), the UK Biobank, and the Million Veteran Program (MVP). FUMA was used to annotate, prioritize, visualize, and interpret our findings to gain a better understanding of the molecular mechanism(s) underlying the genetics of BP traits. Finally, we undertook a Bayesian fine-mapping analysis to identify potential causal variants. Our meta-analysis identified 10 independent variants associated with SBP and 9 with DBP traits. Whilst our multivariate GWAS method identified 21 independent signals, 18 of these SNPs have been previously identified. SBP was linked to gene sets involved in biological processes such as synapse assembly and cell–cell adhesion via plasma membrane adhesion. Of the 19 independent SNPs identified in the BP meta-analysis, only 11 variants had posterior probability (PP) of > 50%, including one novel variant: rs562545 (MOBP, PP = 77%). To facilitate further research and fine-mapping of high-risk loci/variants in highly susceptible groups for cardiovascular disease and other related traits, large-scale genomic datasets are needed. Our findings highlight the importance of including ancestrally diverse populations in large GWASs and the need for diversity in genetic research.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,019 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 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) | 0,003 | 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 ».