MétaCan
Menu
Retour à la cohorte
Enregistrement W4388231666 · doi:10.3389/fgene.2023.1235337

Gene-educational attainment interactions in a multi-population genome-wide meta-analysis identify novel lipid loci

2023· article· en· W4388231666 sur OpenAlexaff
Lisa de las Fuentes, Karen Schwander, Michael R. Brown, Amy R. Bentley, Thomas W. Winkler, Patricia B. Munroe, Clint L. Miller, Hugo Aschard, Stella Aslibekyan, Traci M. Bartz, Lawrence F. Bielak, Jin Fang Chai, Ching‐Yu Cheng, Rajkumar Dorajoo, Mary F. Feitosa, Xiuqing Guo, Fernando Pires Hartwig, A.R.V.R. Horimoto, Ivana Kolčić, Elise Lim, Ching‐Ti Liu, Alisa K. Manning, Jonathan Marten, Solomon K. Musani, Raymond Noordam, Sandosh Padmanabhan, Tuomo Rankinen, Melissa A. Richard, Paul M. Ridker, Albert V. Smith, Dina Vojinović, Alan B. Zonderman, Maris Alver, Mathilde Boissel, Kaare Christensen, Barry I. Freedman, Chuan Gao, Franco Giulianini, Sarah E. Harris, Meian He, Fang‐Chi Hsu, Brigitte Kühnel, Federica Laguzzi, Xiaoyin Li, Leo‐Pekka Lyytikäinen, Ilja M. Nolte, Alaitz Poveda, Rainer Rauramaa, Muhammad Riaz, Antonietta Robino, Tamar Sofer, Fumihiko Takeuchi, Bamidele O. Tayo, Peter J. van der Most, Niek Verweij, Erin B. Ware, Stefan Weiß, Wanqing Wen, Lisa R. Yanek, Yiqiang Zhan, Najaf Amin, Dan E. Arking, Christie M. Ballantyne, Eric Boerwinkle, Jennifer A. Brody, Ulrich Broeckel, Archie Campbell, Mickaël Canouil, Xiaoran Chai, Yii‐Der Ida Chen, Xu Chen, Kumaraswamy Naidu Chitrala, Maria Pina Concas, Ulf dé Fairé, Renée de Mutsert, H. Janaka de Silva, Paul S. de Vries, Ahn Do, Jessica D. Faul, Virginia Fisher, James S. Floyd, Terrence Forrester, Yechiel Friedlander, Giorgia Girotto, C. Charles Gu, Göran Hallmans, Sami Heikkinen, Chew‐Kiat Heng, Georg Homuth, Steven C. Hunt, M. Arfan Ikram, David R. Jacobs, Maryam Kavousi, Chiea Chuen Khor, Tuomas O. Kilpeläinen, Woon‐Puay Koh, Pirjo Komulainen, Carl D. Langefeld, Jingjing Liang, Kiang Liu, Jianjun Liu, Kurt Lohman, Reedik Mägi, Ani Manichaikul, Colin A. McKenzie, Thomas Meitinger, Yuri Milaneschi, Matthias Nauck, Christopher P. Nelson, Jeffrey R. O’Connell, Alexandre C. Pereira, Thomas T. Perls, Annette Peters, Ozren Polašek, Olli T. Raitakari, Kenneth Rice, Treva Rice, Stephen S. Rich, Charumathi Sabanayagam, Pamela J. Schreiner, Xiao‐Ou Shu, Stephen Sidney, Mario Sims, Jennifer A. Smith, John M. Starr, Konstantin Strauch, E Shyong Tai, Kent D. Taylor, Michael Y. Tsai, André G. Uitterlinden, Mélanie Waldenberger, Ya Xing Wang, Wenbin Wei, Gregory Wilson, Xuan Deng, Jie Yao, Caizheng Yu, Jian‐Min Yuan, Wei Zhao, Diane M. Becker, Amélie Bonnefond, Donald W. Bowden, Ian J. Deary, Jasmin Divers, Tõnu Esko, Paul W. Franks, Philippe Froguel, Christian Gieger, Jost B. Jonas, Norihiro Kato, Timo A. Lakka, Karin Leander, Terho Lehtimäki, Patrik K. E. Magnusson, Kari E. North, Ιωάννα Ντάλλα, Brenda W.J.H. Penninx, Nilesh J. Samani, Harold Snieder, Beatrice Spedicati, Pim van der Harst, Henry Völzke, Lynne E. Wagenknecht, David R. Weir, Mary K. Wojczynski, Tangchun Wu, Wei Zheng, Xiaofeng Zhu, Claude Bouchard, Daniel I. Chasman, Michele K. Evans, Ervin R. Fox, Vilmundur Guðnason, Caroline Hayward, Bernardo Lessa Horta, Sharon L.R. Kardia, José Eduardo Krieger, Dennis O. Mook‐Kanamori, Patricia A. Peyser, Michael Province, Bruce M. Psaty, Igor Rudan, Xueling Sim, Blair H. Smith, Rob M. van Dam, Cornelia M. van Duijn, Tien Yin Wong, Donna K. Arnett, D. C. Rao, James Gauderman, Alanna C. Morrison, Jerome I. Rotter, Myriam Fornage

Notice bibliographique

RevueFrontiers in Genetics · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensBristol-Myers Squibb (Canada)
Organismes subventionnairesNational Institute on AgingNational Cancer InstituteNational Heart, Lung, and Blood InstituteMedical Research Council
Mots-clésGeneticsGeneGenomeBiologyPopulationComputational biologyGenome-wide association studySingle-nucleotide polymorphismGenotypeMedicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Educational attainment, widely used in epidemiologic studies as a surrogate for socioeconomic status, is a predictor of cardiovascular health outcomes. Methods: A two-stage genome-wide meta-analysis of low-density lipoprotein cholesterol (LDL), high-density lipoprotein cholesterol (HDL), and triglyceride (TG) levels was performed while accounting for gene-educational attainment interactions in up to 226,315 individuals from five population groups. We considered two educational attainment variables: “Some College” (yes/no, for any education beyond high school) and “Graduated College” (yes/no, for completing a 4-year college degree). Genome-wide significant ( p < 5 × 10 −8 ) and suggestive ( p < 1 × 10 −6 ) variants were identified in Stage 1 (in up to 108,784 individuals) through genome-wide analysis, and those variants were followed up in Stage 2 studies (in up to 117,531 individuals). Results: In combined analysis of Stages 1 and 2, we identified 18 novel lipid loci (nine for LDL, seven for HDL, and two for TG) by two degree-of-freedom (2 DF) joint tests of main and interaction effects. Four loci showed significant interaction with educational attainment. Two loci were significant only in cross-population analyses. Several loci include genes with known or suggested roles in adipose ( FOXP1, MBOAT4, SKP2, STIM1, STX4 ), brain ( BRI3, FILIP1, FOXP1, LINC00290, LMTK2, MBOAT4, MYO6, SENP6, SRGAP3, STIM1, TMEM167A, TMEM30A ), and liver ( BRI3, FOXP1 ) biology, highlighting the potential importance of brain-adipose-liver communication in the regulation of lipid metabolism. An investigation of the potential druggability of genes in identified loci resulted in five gene targets shown to interact with drugs approved by the Food and Drug Administration, including genes with roles in adipose and brain tissue. Discussion: Genome-wide interaction analysis of educational attainment identified novel lipid loci not previously detected by analyses limited to main genetic 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,931

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,348
Écart entre enseignants0,283 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetGenetic Associations and EpidemiologyTravaux en français237 207