MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385955298 · doi:10.1038/s41588-023-01475-y

Genetic insights into human cortical organization and development through genome-wide analyses of 2,347 neuroimaging phenotypes

2023· review· en· W4385955298 sur OpenAlexfundno aff
Varun Warrier, Eva-Maria Stauffer, Qin Qin Huang, Emilie M. Wigdor, Eric A. W. Slob, Jakob Seidlitz, Lisa Ronan, Sofie L. Valk, Travis T. Mallard, Andrew D. Grotzinger, Rafael Romero-García, Simon Baron‐Cohen, Daniel H. Geschwind, Madeline A. Lancaster, Graham K. Murray, Michael J. Gandal, Aaron Alexander‐Bloch, Hyejung Won, Hilary C. Martin, Edward T. Bullmore, Richard A. I. Bethlehem

Notice bibliographique

RevueNature Genetics · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental HealthMedical Research CouncilJunta de AndalucíaBritish AcademyMcGill UniversityDepartment of Health and Social CareNational Institute for Health and Care ResearchCanada First Research Excellence FundSimons Foundation Autism Research InitiativeNational Institute on Drug AbuseUK Research and InnovationNIHR Cambridge Biomedical Research CentreWellcome Trust
Mots-clésBiologyPhenotypeGenetic architectureGenome-wide association studyNeuroimagingNeuroscienceBrain sizeCerebral cortexEvolutionary biologyGenomeFunctional magnetic resonance imagingGeneGene regulatory networkDiffusion MRIGeneticsMagnetic resonance imagingGene expressionSingle-nucleotide polymorphismGenotype

Résumé

récupéré en direct d'OpenAlex

Abstract Our understanding of the genetic architecture of the human cerebral cortex is limited both in terms of the diversity of brain structural phenotypes and the anatomical granularity of their associations with genetic variants. Here, we conducted genome-wide association meta-analysis of 13 structural and diffusion magnetic resonance imaging derived cortical phenotypes, measured globally and at 180 bilaterally averaged regions in 36,843 individuals from the UK Biobank and the ABCD cohorts. These phenotypes include cortical thickness, surface area, grey matter volume, and measures of folding, neurite density, and water diffusion. We identified 4,349 experiment-wide significant loci associated with global and regional phenotypes. Multiple lines of analyses identified four genetic latent structures and causal relationships between surface area and some measures of cortical folding. These latent structures partly relate to different underlying gene expression trajectories during development and are enriched for different cell types. We also identified differential enrichment for neurodevelopmental and constrained genes and demonstrate that common genetic variants associated with surface area and volume specifically are associated with cephalic disorders. Finally, we identified complex inter-phenotype and inter-regional genetic relationships among the 13 phenotypes which reflect developmental differences among them. These analyses help refine the role of common genetic variants in human cortical development and organisation. One sentence summary GWAS of 2,347 neuroimaging phenotypes shed light on the global and regional genetic organisation of the cortex, underlying cellular and developmental processes, and links to neurodevelopmental and cephalic 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 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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,048
Tête enseignante GPT0,362
Écart entre enseignants0,314 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature Genetics→Même sujetGenetic Associations and Epidemiology→Travaux en français237 207→