A high-resolution PheWAS approach to alcohol-related polygenic risk scores reveals mechanistic influences of alcohol reinforcing value and drinking motives
Notice bibliographique
Résumé
AIMS: This study uses a high-resolution phenome-wide approach to evaluate the motivational mechanisms of polygenic risk scores (PRSs) that have been robustly associated with coarse alcohol phenotypes in large-scale studies. METHODS: In a community-based sample of 1534 Europeans, we examined genome-wide PRSs for the Alcohol Use Disorders Identification Test (AUDIT), drinks per week, alcohol use disorder (AUD), problematic alcohol use (PAU), and general addiction, in relation to 42 curated phenotypes. The curated phenotypes were in seven categories: alcohol consumption, alcohol reinforcing value, drinking motives, other addictive behaviors, commonly comorbid psychiatric syndromes, impulsivity, and personality traits. RESULTS: The PRS for each alcohol phenotype was validated via its within-sample association with the corresponding phenotype (adjusted R2s = 0.35-1.68%, Ps = 0.012-3.6 × 10-7) with the exception of AUD. All PRSs were positively associated with alcohol reinforcing value and drinking motives, with the strongest effects from AUDIT-consumption (adjusted R2s = 0.45-1.33%, Ps = 0.006-3.6 × 10-5) and drinks per week PRSs (adjusted R2s = 0.52-2.28%, Ps = 0.004-6.6 × 10-9). Furthermore, the PAU and drinks per week PRSs were positively associated with adverse childhood experiences (adjusted R2s = 0.6-0.7%, Ps = 0.0001-4.8 × 10-4). CONCLUSIONS: These results implicate alcohol reinforcing value and drinking motives as genetically-influenced mechanisms using PRSs for the first time. The findings also highlight the value of dissecting genetic influence on alcohol involvement through diverse phenotypic risk pathways but also the need for future studies with both phenotypic richness and larger samples.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».