Genetic variation and pesticide exposure influence blood DNA methylation signatures in females with early-stage Parkinson’s disease
Notice bibliographique
Résumé
Abstract Although sex, genetics, and exposures can individually influence risk for sporadic Parkinson’s disease (PD), the joint contributions of these factors to the epigenetic etiology of PD have not been comprehensively assessed. Here, we profiled sex-stratified genome-wide blood DNAm patterns, SNP genotype, and pesticide exposure in agricultural workers (71 early-stage PD cases, 147 controls) and explored replication in three independent samples of varying demographics ( n = 218, 222, and 872). Using a region-based approach, we found more associations of blood DNAm with PD in females (69 regions) than in males (2 regions, Δβ adj | ≥0.03, p adj ≤ 0.05). For 48 regions in females, models including genotype or genotype and pesticide exposure substantially improved in explaining interindividual variation in DNAm ( p adj ≤ 0.05), and accounting for these variables decreased the estimated effect of PD on DNAm. The results suggested that genotype, and to a lesser degree, genotype-exposure interactions contributed to variation in PD-associated DNAm. Our findings should be further explored in larger study populations and in experimental systems, preferably with precise measures of exposure.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».