Genome wide association joint analysis reveals 99 risk loci for pain susceptibility and pleiotropic relationships with psychiatric, metabolic, and immunological traits
Notice bibliographique
Résumé
Chronic pain is at epidemic proportions in the United States, represents a significant burden on our public health system, and is coincident with a growing opioid crisis. While numerous genome-wide association studies have been reported for specific pain-related traits, many of these studies were underpowered, and the genetic relationship among these traits remains poorly understood. Here, we conducted a joint analysis of genome-wide association study summary statistics from seventeen pain susceptibility traits in the UK Biobank. This analysis revealed 99 genome-wide significant risk loci, 65 of which overlap loci identified in earlier studies. The remaining 34 loci are novel. We applied leave-one-trait-out meta-analyses to evaluate the influence of each trait on the joint analysis, which suggested that loci fall into four categories: loci associated with nearly all pain-related traits; loci primarily associated with a single trait; loci associated with multiple forms of skeletomuscular pain; and loci associated with headache-related pain. Overall, 664 genes were mapped to the 99 loci by genomic proximity, eQTLs, and chromatin interaction and ~15% of these genes showed differential expression in individuals with acute or chronic pain compared to healthy controls. Risk loci were enriched for genes involved in neurological and inflammatory pathways. Genetic correlation and two-sample Mendelian randomization indicated that psychiatric, metabolic, and immunological traits mediate some of these effects.
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 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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».