Structural variation of the coding and non-coding human pharmacogenome
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Genetic variants in drug targets and genes encoding factors involved in drug absorption, distribution, metabolism and excretion (ADME) can have pronounced impacts on drug pharmacokinetics, response, and toxicity. While the landscape of genetic variability at the level of single nucleotide variants (SNVs) has been extensively studied in these pharmacogenetic loci, their structural variation is only poorly understood. Thus, we systematically analyzed the genetic structural variability across 908 pharmacogenes (344 ADME genes and 564 drug targets) based on publicly available whole genome sequencing data from 10,847 unrelated individuals. Overall, we extracted 14,984 distinct structural variants (SVs) ranging in size from 50 bp to 106 Mb. Each individual harbored on average 10.3 and 1.5 SVs with putative functional effects that affected the coding regions of ADME genes and drug targets, respectively. In addition, by cross-referencing pharmacogenomic SVs with experimentally determined binding data of 224 transcription factors across 130 cell types, we identified 1276 non-coding SVs that overlapped with gene regulatory elements. Based on these data, we estimate that non-coding structural variants account for 22% of the genetically encoded pharmacogenomic variability. Combined, these analyses provide the first comprehensive map of structural variability across pharmacogenes, derive estimates for the functional impact of non-coding SVs and incentivize the incorporation of structural genomic data into personalized drug response predictions.
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.
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 découle