Multi-ancestry proteome-phenome-wide Mendelian randomization offers a comprehensive protein-disease atlas and potential therapeutic targets
Notice bibliographique
Résumé
Abstract Circulating proteins influence disease risk and are valuable drug targets. To enhance the discovery of protein-phenotype associations and identify potential therapeutic targets across diverse populations, we conducted proteome-phenome-wide Mendelian randomization in three ancestries, followed by comprehensive sensitivity analyses. We tested the potential causal effects of up to 2,265 unique proteins on a curated list of 355 distinct phenotypes, assessing 726,035 protein-phenotype pairs in European, 33,078 in African, and 115,352 in East Asian ancestries. Notably, 119 proteins were instrumentable only in African ancestry and 17 proteins only in East Asian ancestry due to allele frequency differences that are common in these ancestries but rare in European ancestry. We identified 3,949, 56, and 325 unique protein-phenotype pairs in European, African, and East Asian ancestries, respectively, and assessed their druggability using multiple databases. We highlighted the causal role of IL1RL1 in inflammatory bowel diseases, supported by multiple orthogonal lines of evidence. Taken together, this study underscores the importance of multi-ancestry inclusion and offers a comprehensive atlas of protein-phenotype associations across three ancestries, enhancing our understanding of proteins involved in disease etiology and potential therapeutic targets. Results are available at the Common Metabolic Diseases Knowledge Portal ( https://broad.io/protein_mr_atlas ).
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 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».