Genetic Overlap Between Global Cortical Brain Structure, C-Reactive Protein, and White Blood Cell Counts
Notice bibliographique
Résumé
BACKGROUND: For many brain disorders, a subset of patients jointly exhibit alterations in cortical brain structure and elevated levels of circulating immune markers. This may be driven in part by shared genetic architecture. Therefore, we investigated the phenotypic and genetic associations linking global cortical surface area and thickness with blood immune markers (i.e., white blood cell counts and plasma C-reactive protein levels). METHODS: Linear regression was used to assess phenotypic associations in 30,823 UK Biobank participants. Genome-wide and local genetic correlations were assessed using linkage disequilibrium score regression and local analysis of covariance annotation. The number of shared trait-influencing genetic variants was estimated using MiXeR. Shared genetic architecture was assessed using a conjunctional false discovery rate framework, and mapped genes were included in gene-set enrichment analyses. RESULTS: ). Meanwhile, local genetic correlations showed a mosaic of positive and negative associations. White blood cells shared on average 46.24% and 38.64% of trait-influencing genetic variants with surface area and thickness, respectively. Additionally, surface area shared 55 unique loci with the blood immune markers while thickness shared 15. Overall, monocyte count exhibited the largest genetic overlap with cortical brain structure. A series of gene enrichment analyses implicated neuronal-, astrocytic-, and schizophrenia-associated genes. CONCLUSIONS: The findings indicate shared genetic underpinnings for cortical brain structure and blood immune markers, with implications for neurodevelopment and understanding the etiology of brain-related disorders.
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 ».