Genetic associations with dementia‐related proteinopathy: Application of item response theory
Notice bibliographique
Résumé
INTRODUCTION: Although dementia-related proteinopathy has a strong negative impact on public health, and is highly heritable, understanding of the related genetic architecture is incomplete. METHODS: We applied multidimensional generalized partial credit modeling (GPCM) to test genetic associations with dementia-related proteinopathies. Data were analyzed to identify candidate single nucleotide variants for the following proteinopathies: Aβ, tau, α-synuclein, and TDP-43. RESULTS: Final included data comprised 966 participants with neuropathologic and WGS data. Three continuous latent outcomes were constructed, corresponding to TDP-43-, Aβ/Tau-, and α-synuclein-related neuropathology endophenotype scores. This approach helped validate known genotype/phenotype associations: for example, TMEM106B and GRN were risk alleles for TDP-43 pathology; and GBA for α-synuclein/Lewy bodies. Novel suggestive proteinopathy-linked alleles were also discovered, including several (SDHAF1, TMEM68, and ARHGEF28) with colocalization analyses and/or high degrees of biologic credibility. DISCUSSION: A novel methodology using GPCM enabled insights into gene candidates for driving misfolded proteinopathies. HIGHLIGHTS: Latent factor scores for proteinopathies were estimated using a generalized partial credit model. The three latent continuous scores corresponded well with proteinopathy severity. Novel genes associated with proteinopathies were identified. Several genes had high degrees of biologic credibility for dementia risk factors.
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 | 0,045 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».