Interplay between hereditary and acquired factors determines the neutrophil counts in older individuals
Notice bibliographique
Résumé
Blood cell production is a complex process, partly genetically determined and influenced by acquired factors. However, there is a paucity of data on how these factors interplay in the context of aging, which is associated with a myeloid proliferation bias, clonal hematopoiesis (CH), and an increased incidence of myeloid cancers. We investigated hereditary and acquired factors underlying blood cell trait variability in a cohort of 2996 related and unrelated women from Quebec aged from 55 to 101 years. We performed a genome-wide association study, evaluated the impact of chronic diseases, and performed targeted deep sequencing of CH driver genes and X-chromosome inactivation (XCI)-based clonality analyses. Multivariable analyses were conducted using generalized linear mixed models. We document that aging is associated with increasing neutrophil and monocyte counts and decreasing lymphocyte counts. Neutrophil counts were influenced by the variants in the region of GSDMA and PSMD3-CSF3, but this association decreased with age; in parallel, older individuals with cardiometabolic comorbidities exhibited significantly higher neutrophil counts (4.1 × 109/L vs 3.83 × 109/L; P < .001) than younger individuals. These age-related diseases were also associated with an increase in other myeloid-derived cells. Neither CH nor XCI clonality correlated with neutrophil counts. In conclusion, we show that neutrophil counts are genetically influenced, but as individuals age, this contribution decreases in favor of acquired factors. Aging is associated with a myeloid proliferation bias which is greater in the presence of cardiometabolic comorbidities but not of CH. These findings support that cell-extrinsic factors may contribute to the myeloid shift possibly through low-grade inflammation.
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) | 0,000 | 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 ».