Local genetic correlations exist among neurodegenerative and neuropsychiatric diseases
Notice bibliographique
Résumé
Genetic correlation ([Formula: see text]) between traits can offer valuable insight into underlying shared biological mechanisms. Neurodegenerative diseases overlap neuropathologically and often manifest comorbid neuropsychiatric symptoms. However, global [Formula: see text] analyses show minimal [Formula: see text] among neurodegenerative and neuropsychiatric diseases. Importantly, local [Formula: see text] s can exist in the absence of global relationships. To investigate this possibility, we applied LAVA, a tool for local [Formula: see text] analysis, to genome-wide association studies of 3 neurodegenerative diseases (Alzheimer's disease, Lewy body dementia and Parkinson's disease) and 3 neuropsychiatric disorders (bipolar disorder, major depressive disorder and schizophrenia). We identified several local [Formula: see text] s missed in global analyses, including between (i) all 3 neurodegenerative diseases and schizophrenia and (ii) Alzheimer's and Parkinson's disease. For those local [Formula: see text] s identified in genomic regions containing disease-implicated genes, such as SNCA, CLU and APOE, incorporation of expression quantitative trait loci identified genes that may drive genetic overlaps between diseases. Collectively, we demonstrate that complex genetic relationships exist among neurodegenerative and neuropsychiatric diseases, highlighting putative pleiotropic genomic regions and genes. These findings imply sharing of pathogenic processes and the potential existence of common therapeutic targets.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».