MétaCan
Menu
Retour à la cohorte
Enregistrement W4328049261 · doi:10.1097/j.pain.0000000000002882

Rare variant analyses in large-scale cohorts identified SLC13A1 associated with chronic pain

2023· article· en· W4328049261 sur OpenAlexafffund
Xiang Ao, Marc Parisien, Maha Zidan, Audrey V. Grant, Amy E. Martinsen, Bendik S. Winsvold, Luda Diatchenko

Notice bibliographique

RevuePain · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNorwegian Institute of Public HealthCanadian Institutes of Health ResearchNational Institutes of HealthNorges ForskningsrådPfizer CanadaHelse Midt-NorgeCanada Excellence Research Chairs, Government of CanadaFaculty of Medicine and Health, University of SydneyNorges Teknisk-Naturvitenskapelige UniversitetPfizer
Mots-clésChronic painNeuropathic painMedicineBiobankExome sequencingBioinformaticsGeneBiologyGeneticsPhysical therapyPhenotypeAnesthesia

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Chronic pain is a prevalent disease with increasing clinical challenges. Genome-wide association studies in chronic pain patients have identified hundreds of common pathogenic variants, yet they only explained a portion of individual variance of chronic pain. With the advances in next-generation sequencing technologies, it is now feasible to conduct rarer variants studies in large-scale databases. Here, we performed gene-based rare variant analyses in 200,000 human subjects in the UK biobank whole-exome sequencing database for investigating 9 different chronic pain states and validated our findings in 3 other large-scale databases. Our analyses identified the SLC13A1 gene coding for sodium/sulfate symporter associated with chronic back pain and multisite pain at the genome-wide level and with chronic headache, knee, and neck and shoulder pain at the nominal level. Seven loss-of-function rare variants were identified within the gene locus potentially contributing to the development of chronic pain, with 2 of them individually associated with back pain and multisite pain. These 2 rare variants were then tested for replication in 3 other biobanks, and the strongest evidence was found for rs28364172 as an individual contributor. Transcriptional analyses of Slc13a1 in rodents showed substantial regulation of its expression in the dorsal root ganglia and the sciatic nerve in neuropathic pain assays. Our results stress the importance of the SLC13A1 gene in sulfate homeostasis in the nervous system and its critical role in preventing pain states, thus suggesting new therapeutic approaches for treating chronic pain in a personalized manner, especially in people with mutations in the SLC13A1 gene.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,269
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePainMême sujetMuscle metabolism and nutritionTravaux en français237 207