Regional genetic correlations highlight relationships between neurodegenerative disease loci and the immune system
Notice bibliographique
Résumé
Neurodegenerative diseases, including Alzheimer's and Parkinson's disease, are devastating complex diseases resulting in physical and psychological burdens on patients and their families. There have been important efforts to understand their genetic basis leading to the identification of disease risk-associated loci involved in several molecular mechanisms, including immune-related pathways. Regional, in contrast to genome-wide, genetic correlations between pairs of immune and neurodegenerative traits have not been comprehensively explored, but could uncover additional immune-mediated risk-associated loci. Here, we systematically assess the role of the immune system in five neurodegenerative diseases by estimating regional genetic correlations between these diseases and immune-cell-derived single-cell expression quantitative trait loci (sc-eQTLs). We also investigate correlations between diseases and protein levels. We observe significant (FDR < 0.01) correlations between sc-eQTLs and neurodegenerative diseases across 151 unique genes, spanning both the innate and adaptive immune systems, across most diseases tested. With Parkinson's, for instance, RAB7L1 in CD4+ naïve T cells is positively correlated and KANSL1-AS1 is negatively correlated across all adaptive immune cell types. Follow-up colocalization highlight candidate causal risk genes. The outcomes of this study will improve our understanding of the immune component of neurodegeneration, which can warrant repurposing of existing immunotherapies to slow disease progression.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».