Integrative Proteogenomic Analyses Provide Novel Interpretations of Type 1 Diabetes Risk Loci Through Circulating Proteins
Notice bibliographique
Résumé
Circulating proteins may be promising biomarkers or drug targets. Leveraging genome-wide association studies of type 1 diabetes (18,942 case and 501,638 control individuals of European ancestry) and circulating protein abundances (10,708 European ancestry individuals), Mendelian randomization analyses were conducted to assess the associations between circulating abundances of 1,560 candidate proteins and the risk of type 1 diabetes, followed by multiple sensitivity and colocalization analyses, horizontal pleiotropy examinations, and replications. Bulk tissue and single-cell gene expression enrichment analyses were performed to explore candidate tissues and cell types for prioritized proteins. After validating Mendelian randomization assumptions and colocalization evidence, we found that genetically predicted circulating abundances of CTSH (odds ratio [OR] 1.17 per 1 SD increase; 95% CI 1.10–1.24), IL27RA (OR 1.13; 95% CI 1.07–1.19), SIRPG (OR 1.37; 95% CI 1.26–1.49), and PGM1 (OR 1.66; 95% CI 1.40–1.96) were associated with the risk of type 1 diabetes. These findings were consistently replicated in other cohorts. CTSH, IL27RA, and SIRPG were strongly enriched in immune system-related tissues, while PGM1 was enriched in muscle and liver tissues. Among immune cells, CTSH was enriched in B cells and myeloid cells, while SIRPG was enriched in T cells and natural killer cells. These proteins may be explored as biomarkers or drug targets for type 1 diabetes. Article Highlights Identification of circulating proteins that may play a role in the pathogenesis of type 1 diabetes can provide promising targets for biomarker and drug target identification. Supported by multiple lines of evidence, circulating abundances of CTSH, IL27RA, SIRPG, and PGM1 were associated with the risk of type 1 diabetes. Tissues and cell types with enrichment of target protein-coding gene expression were identified. CTSH, IL27RA, SIRPG, and PGM1 may be explored as biomarkers or drug targets for type 1 diabetes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».