MétaCan
Menu
Retour à la cohorte
Enregistrement W4403208474 · doi:10.1186/s40246-024-00679-5

Leveraging large-scale datasets and single cell omics data to develop a polygenic score for cisplatin-induced ototoxicity

2024· article· en· W4403208474 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueHuman Genomics · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing, Cochlea, Tinnitus, Genetics
Établissements canadiensResearch Institute in Oncology and HematologyChildren's Hospital Research Institute of ManitobaSunnybrook HospitalCancerCare ManitobaResearch ManitobaUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health ResearchChildren's Hospital Research Institute of ManitobaResearch ManitobaCancerCare Manitoba FoundationHealth Sciences Centre Research Foundation
Mots-clésGenome-wide association studyBiologyOtotoxicityCohortHuman geneticsSingle-nucleotide polymorphismHearing lossComputational biologyGenetic associationCisplatinOncologyBioinformaticsGeneticsMedicineInternal medicineGeneGenotypeAudiologyChemotherapy

Résumé

récupéré en direct d'OpenAlex

Abstract Background Cisplatin-induced ototoxicity (CIO), characterized by irreversible and progressive bilateral hearing loss, is a prevalent adverse effect of cisplatin chemotherapy. Alongside clinical risk factors, genetic variants contribute to CIO and genome-wide association studies (GWAS) have highlighted the polygenicity of this adverse drug reaction. Polygenic scores (PGS), which integrate information from multiple genetic variants across the genome, offer a promising tool for the identification of individuals who are at higher risk for CIO. Integrating large-scale hearing loss GWAS data with single cell omics data holds potential to overcome limitations related to small sample sizes associated with CIO studies, enabling the creation of PGSs to predict CIO risk. Results We utilized a large-scale hearing loss GWAS and murine inner ear single nuclei RNA-sequencing (snRNA-seq) data to develop two polygenic scores: a hearing loss PGS (PGS HL ) and a biologically informed PGS for CIO (PGS CIO ). The PGS CIO included only variants which mapped to genes that were differentially expressed within cochlear cells that showed differential abundance in the murine snRNA-seq data post-cisplatin treatment. Evaluation of the association of these PGSs with CIO in our target CIO cohort revealed that PGS CIO demonstrated superior performance ( P = 5.54 × 10 − 5 ) relative to PGS HL ( P = 2.93 × 10 − 3 ). PGS CIO was also associated with CIO in our test cohort ( P = 0.04), while the PGS HL did not show a significant association with CIO ( P = 0.52). Conclusion This study developed the first PGS for CIO using a large-scale hearing loss dataset and a biologically informed filter generated from cisplatin-treated murine inner ear snRNA-seq data. This innovative approach offers new avenues for developing PGSs for pharmacogenomic traits, which could contribute to the implementation of tailored therapeutic interventions. Further, our approach facilitated the identification of specific cochlear cells that may play critical roles in CIO. These novel insights will guide future research aimed at developing targeted therapeutic strategies to prevent CIO.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,002
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 Opus0,183
Tête enseignante GPT0,333
Écart entre enseignants0,150 · 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