MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406050742 · doi:10.1002/alz.084982

White matter hyperintensities and Alzheimer’s disease susceptibility: a genome‐wide interaction study

2024· article· en· W4406050742 sur OpenAlexaff
Yuen Yan Wong, Che‐Yuan Wu, Daniel K Mori‐Fegan, Shiropa Noor, Lisa Y. Xiong, Saira Saeed Mirza, Mario Masellis, Ekaterina Rogaeva, Yutaka Amemiya, Arun Seth, Joel Ramirez, Christopher J.M. Scott, Fuqiang Gao, Sean Symons, Chris Heyn, Katherine Zukotynski, Aparna Bhan, Richard H. Swartz, Demetrios J. Sahlas, Sandra E. Black, Meghan J. Chenoweth, Walter Swardfager

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensCentre for Addiction and Mental HealthMcMaster UniversityUniversity of British ColumbiaToronto Rehabilitation InstituteSunnybrook Health Science CentreHeart and Stroke FoundationOccupational Cancer Research CentreHealth Sciences CentreSunnybrook HospitalToronto Dementia Research AllianceUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHyperintensityDiseaseWhite matterMedicinePathologyMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Abstract Background White matter hyperintensities (WMH) are commonly observed on MRI in Alzheimer’s disease (AD), but the molecular pathways underlying their relationships with the ATN biomarkers remain unclear. The aim of this study was to identify genetic variants that may modify the relationship between WMH and the ATN biomarkers. Method This genome‐wide interaction study (GWIS) included individuals with AD, MCI, and normal cognition from ADNI (n = 1012). WMH were measured from FLAIR MRI using an automated atlas‐based segmentation. CSF Aβ42, tau, and p‐tau concentrations were measured using Roche Elecsys immunoassays. Hippocampal volumes were obtained using FreeSurfer. Interaction effects between single nucleotide polymorphisms (SNP) and WMH volumes on ATN biomarkers were assessed using linear regression models, adjusting for age, sex, diagnosis, MMSE, APOE‐ε4 status, head‐size, and 4 genetic principal components in PLINK2. Linkage disequilibrium‐based clumping (LD: 0.5; physical distance: 250kb) was performed in PLINK1.9, visualized with LocusZoom. Significant SNP‐WMH interactions discovered in ADNI were validated in participants from the Sunnybrook Dementia Study (n = 433) and UK Biobank (n = 16720). Result A 30‐SNP intergenic locus on chromosome 18 (lowest p‐value‐SNP: rs72899960 T>A, β = 227.0 pg/ml, SE = 10.2, p = 2.30 × 10‐8, MAF = 11.1%, Imputation‐R2>0.99%, n = 848) achieved genome‐wide significance interacting with WMH to predict Aβ42, with the nearest gene being a novel long noncoding RNA (lncRNA), ENSG00000286844 (‐360KB). A 9‐SNP intronic locus on chromosome 11 (lowest p‐value‐SNP: rs3912008 C>T, β = 0.25 cm3, SE = 0.044, p = 1.47 × 10‐8, MAF = 22.6%, Imputation‐R2>99%, n = 987) achieved genome‐wide significance interacting with WMH to predict hippocampal volume, and was found within the microRNA gene MIR4300HG. Both SNPs showed additive moderation effects such that associations between WMH and ATN markers in major allele homozygotes were diminished in heterozygotes, and diminished further in minor allele homozygotes. The interaction between MIR4300HG‐rs3912008 and WMH in predicting hippocampal volume replicated in dominant models in both the Sunnybrook Dementia Study (F1,431 = 7.98, coefficient = 0.14 cm3, SE = 0.05, p = 0.005) and in UK Biobank (F1,16623 = 5.32, coefficient = 0.025 cm3, SE = 0.011, p = 0.021). Conclusion Genomic variants moderate relationships between WMH and ATN biomarkers suggesting a novel regulatory role for a long non‐coding RNA, and the involvement of microRNA MIR4300HG. This interaction study may help identify the contribution of specific genes and the potential pathways involved in the relationships between WMH and AD biomarkers.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,034
Tête enseignante GPT0,323
Écart entre enseignants0,288 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→