The Potential to Inform Statin Use in Multiple Sclerosis Through Human Genetics
Notice bibliographique
Résumé
Less than 10% of drugs that enter phase 1 clinical development ultimately receive regulatory approval, often due to shortcomings in safety or efficacy. The recognition that drugs with genetically supported targets have a two-fold higher approval rate has led to the incorporation of human genetic approaches in drug development.1 One such approach is Mendelian randomization (MR), which uses genetic variants to enable causal inference between exposures and outcomes. These exposures can be complex traits, such as body mass index, or in the context of drug discovery, levels of genes, or proteins. For instance, genetic variants in the 3-hydroxy-3-methylglutaryl-CoA reductase (HMGCR) gene region that predispose individuals to higher or lower levels of low-density lipoprotein (LDL) cholesterol can predict the effect of HMGCR inhibitors (statins) on cardiovascular disease.2 This genetically mimics statin exposure and can provide insight into the efficacy, adverse effects, and repurposing potential of these and other therapeutics. Because allocation to genetic variation in levels of the exposure (e.g., LDL cholesterol) is random and set at conception, MR reduces the risk of confounding and reverse causality and provided key assumptions are met, can mirror randomized clinical trials at a much lower cost.3
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 | 0,018 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,018 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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 ».