Dyslipidemia, inflammation, calcification, and adiposity in aortic stenosis: a genome-wide study
Notice bibliographique
Résumé
AIMS: Although highly heritable, the genetic etiology of calcific aortic stenosis (AS) remains incompletely understood. The aim of this study was to discover novel genetic contributors to AS and to integrate functional, expression, and cross-phenotype data to identify mechanisms of AS. METHODS AND RESULTS: A genome-wide meta-analysis of 11.6 million variants in 10 cohorts involving 653 867 European ancestry participants (13 765 cases) was performed. Seventeen loci were associated with AS at P ≤ 5 × 10-8, of which 15 replicated in an independent cohort of 90 828 participants (7111 cases), including CELSR2-SORT1, NLRP6, and SMC2. A genetic risk score comprised of the index variants was associated with AS [odds ratio (OR) per standard deviation, 1.31; 95% confidence interval (CI), 1.26-1.35; P = 2.7 × 10-51] and aortic valve calcium (OR per standard deviation, 1.22; 95% CI, 1.08-1.37; P = 1.4 × 10-3), after adjustment for known risk factors. A phenome-wide association study indicated multiple associations with coronary artery disease, apolipoprotein B, and triglycerides. Mendelian randomization supported a causal role for apolipoprotein B-containing lipoprotein particles in AS (OR per g/L of apolipoprotein B, 3.85; 95% CI, 2.90-5.12; P = 2.1 × 10-20) and replicated previous findings of causality for lipoprotein(a) (OR per natural logarithm, 1.20; 95% CI, 1.17-1.23; P = 4.8 × 10-73) and body mass index (OR per kg/m2, 1.07; 95% CI, 1.05-1.9; P = 1.9 × 10-12). Colocalization analyses using the GTEx database identified a role for differential expression of the genes LPA, SORT1, ACTR2, NOTCH4, IL6R, and FADS. CONCLUSION: Dyslipidemia, inflammation, calcification, and adiposity play important roles in the etiology of AS, implicating novel treatments and prevention strategies.
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 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».