MétaCan
Menu
Retour à la cohorte
Enregistrement W4399393552 · doi:10.1371/journal.pcbi.1012160

Eight quick tips for including chromosome X in genome-wide association studies

2024· article· en· W4399393552 sur OpenAlexafffund
Justin Bellavance, Linda R. Wang, Sarah A. Gagliano Taliun

Notice bibliographique

RevuePLoS Computational Biology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensUniversité de MontréalMontreal Heart Institute
Organismes subventionnairesInstitute of AgingFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchAlzheimer Society Research ProgramAlzheimer Society
Mots-clésBiologyGeneticsChromosomeGenome-wide association studyComputational biologyAssociation (psychology)Evolutionary biologyGenePsychologySingle-nucleotide polymorphismGenotype

Résumé

récupéré en direct d'OpenAlex

All individuals carry a minimum of 1 copy of chromosome X.Despite being a relatively long chromosome with more than 150 million base pairs [1], similar in length to chromosome 8, association testing of genetic variants on chromosome X is still not routinely conducted.Genome-wide association studies (GWAS) have been used to identify a vast range of genomic loci of interest for a variety of complex human diseases and traits by quantifying genetic variants that are statistically associated with a given disease/trait [2,3].However, a lack of testing for variants on the X chromosome limits our ability to identify vital loci and subsequently understand potential mechanisms linked to this chromosome.There was a call for the inclusion of chromosome X into genome-wide association analyses presented in 2013.At that time, a scan of published GWAS from 2010 and 2011 showed that only 33% of the studies had tested variants on the X chromosome in their analyses [4].Despite this call for inclusion, the lack of representation of this chromosome has not improved according to a 2023 study.Of the 136 publications that submitted at least 1 summary statistics file to the NHGRI-EBI GWAS Catalog in 2021, only 25% reported chromosome X results [5].Indeed, there are several characteristics of this chromosome that make it unique compared to the autosomes, which can pose analytical challenges in association testing.Such challenges include how to account for X inactivation in individuals with an XX karyotype, how to model the hemizygous state of genotypes in individuals with an XY karyotype, or how to best code genotypes at the 2 pseudo-autosomal regions, short stretches at either end of the X with high homology with the Y chromosome, known as PAR1 and PAR2.The non-pseudo-autosomal region (nonPAR) denotes the middle sequence of the X chromosome.Furthermore, there are many well-used software that take GWAS summary statistics as input and ignore chromosome X information [6,7].This practice can make it difficult and unintuitive for researchers to run association testing on the X chromosome.Inclusion of chromosome X routinely in GWAS and downstream analyses will serve to enhance our understanding of the genetic contributors to complex diseases and traits.Here, we propose 8 tips to help move towards the inclusion of X in GWAS to provide a suggested set of concrete actions that can be taken to overcome the challenges or obstacles preventing routine analysis of this chromosome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,155
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,155
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,005
Études des sciences et des technologies0,0020,002
Communication savante0,0050,009
Science ouverte0,0040,005
Intégrité de la recherche0,0070,011
Charge utile insuffisante (le modèle a refusé de juger)0,0920,049

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 Opus0,049
Tête enseignante GPT0,333
Écart entre enseignants0,284 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetGenetic Associations and EpidemiologyTravaux en français237 207