Mapping the aetiological foundations of the heart failure spectrum using human genetics
Notice bibliographique
Résumé
Summary paragraph Heart failure (HF), a syndrome of symptomatic fluid overload due to cardiac dysfunction, is the most rapidly growing cardiovascular disorder. Despite recent advances, mortality and morbidity remain high and treatment innovation is challenged by limited understanding of aetiology in relation to disease subtypes. Here we harness the de-confounding properties of genetic variation to map causal biology underlying the HF phenotypic spectrum, to inform the development of more effective treatments. We report a genetic association analysis in 1.9 million ancestrally diverse individuals, including 153,174 cases of HF; 44,012 of non-ischaemic HF; 5,406 cases of non-ischaemic HF with reduced ejection fraction (HFrEF); and 3,841 cases of non-ischaemic HF with preserved ejection fraction (HFpEF). We identify 66 genetic susceptibility loci across HF subtypes, 37 of which have not previously been reported. We map the aetiologic contribution of risk factor traits and diseases as well as newly identified effector genes for HF, demonstrating differential risk factor effects on disease subtypes. Our findings highlight the importance of extra-cardiac tissues in HF, particularly the kidney and the vasculature in HFpEF. Pathways of cellular senescence and proteostasis are notably uncovered, including IGFBP7 as an effector gene for HFpEF. Using population approaches causally anchored in human genetics, we provide fundamental new insights into the aetiology of heart failure subtypes that may inform new approaches to prevention and treatment.
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 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 | 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 ».