A polygenic resilience score moderates the genetic risk for schizophrenia: Replication in 18,090 cases and 28,114 controls from the Psychiatric Genomics Consortium
Notice bibliographique
Résumé
Abstract Identifying heritable factors that moderate the genetic risk for schizophrenia (SCZ) could help clarify why some individuals remain unaffected despite having relatively high genetic liability. Previously, we developed a framework to mine genome‐wide association (GWAS) data for common genetic variants that protect high‐risk unaffected individuals from SCZ, leading to derivation of the first‐ever “polygenic resilience score” for SCZ (resilient controls n = 3786; polygenic risk score‐matched SCZ cases n = 18,619). Here, we performed a replication study to verify the moderating effect of our polygenic resilience score on SCZ risk (OR = 1.09, p = 4.03 × 10−5) using newly released GWAS data from 23 independent case–control studies collated by the Psychiatric Genomics Consortium (PGC) (resilient controls n = 2821; polygenic risk score‐matched SCZ cases n = 5150). Additionally, we sought to optimize our polygenic resilience‐scoring formula to improve subsequent modeling of resilience to SCZ and other complex disorders. We found significant replication of the polygenic resilience score, and found that strict pruning of SNPs based on linkage disequilibrium to known risk SNPs and their linked loci optimizes the performance of the polygenic resilience score.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».