MétaCan
Menu
← Retour à la cohorte
Enregistrement W4378193718 · doi:10.1101/2023.05.19.23290241

Ultra-rare <i>de novo</i> damaging coding variants are enriched in attention-deficit/hyperactivity disorder and identify risk genes

2023· preprint· en· W4378193718 sur OpenAlexafffund
Emily Olfson, Luís C. Farhat, Wenzhong Liu, Lawrence A. Vitulano, Gwyneth Zai, Monicke O. Lima, Justin Parent, Guilherme V. Polanczyk, Carolina Cappi, James L. Kennedy, Thomas Fernandez

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute of Mental HealthChild Study Center, Yale School of MedicineFundação de Amparo à Pesquisa do Estado de São PauloGénome QuébecAllison Family FoundationNational Institutes of HealthYale University
Mots-clésExome sequencingGeneGeneticsAttention deficit hyperactivity disorderBiologyDNA sequencingNeurodevelopmental disorderMissense mutationMutationMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Attention-deficit/hyperactivity disorder (ADHD) is a common and impairing neurodevelopmental disorder in which genetic factors play an important role. DNA sequencing of parent-child trios provides a powerful approach for identifying de novo (spontaneous) variants, which has led to the discovery of hundreds of clinically informative risk genes for other neurodevelopmental disorders but has yet to be extensively leveraged in studying ADHD. Here, we conducted whole-exome DNA sequencing in 152 parent-child trios with ADHD and demonstrate for the first time a significant enrichment of rare and ultra-rare de novo protein-truncating variants and missense variants predicted to be damaging in ADHD cases compared to unaffected controls. Combining these results with a large independent case-control DNA sequencing cohort (3,206 ADHD cases and 5,002 controls), we identify lysine demethylase 5B ( KDM5B) as a high-confidence risk gene for ADHD as well as two likely risk genes. We estimate that 862 genes contribute to ADHD risk. Finally, using our list of genes harboring ultra-rare de novo damaging variants, we show that these genes overlap with previously reported risk genes for other neuropsychiatric conditions in both DNA sequencing and genome-wide association studies. We also show that these genes are enriched for several canonical biological pathways, suggesting early neurodevelopmental underpinnings of ADHD. Overall, this work provides critical new insight into the biology of ADHD and demonstrates the discovery potential of DNA sequencing in larger parent-child trio cohorts. Significance statement Given the important role of genetic factors in the development of attention-deficit/hyperactivity disorder (ADHD), research aimed at identifying risk genes can provide critical insight into underlying biological processes. We conducted whole-exome DNA sequencing in parent-child trios with ADHD, showing that these children have a significantly greater rate of rare and ultra-rare de novo gene-damaging mutations compared to unaffected controls, expanding our understanding of the genetic landscape of ADHD. We then use this information to identify KDM5B as a high-confidence risk gene for ADHD and highlight several enriched biological pathways. This work advances our etiologic understanding of ADHD and illustrates a previously unexplored path for risk gene discovery in this common neurodevelopmental disorder.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,330
Écart entre enseignants0,284 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetAttention Deficit Hyperactivity Disorder→Travaux en français237 207→