Identification of Drug-Targetable Genes for Eczema and Dermatitis Using Integrated Genomic and Proteomic Approaches
Notice bibliographique
Résumé
Abstract: Background: Eczema and dermatitis are common inflammatory skin conditions with significant morbidity. Identifying drug-targetable genes can facilitate the development of effective treatments. Methods: This study analyzed data obtained by meta-analysis of 2 genome-wide association studies on eczema/dermatitis (57,311 cases and 896,779 controls, European ancestry). We identified drug-targetable genes from the Drug–Gene Interaction Database and Finan et al’s findings. Cis-expression quantitative trait loci (eQTL) data from human blood and skin tissues were used for Mendelian randomization (MR) analysis. Bayesian colocalization, proteomic MR, and meta-analysis validated the causal relationships. Finally, protein–protein interactions (PPIs) and correlation analysis of potential drug targets and cytokines were performed. Results: We identified 2532 drug-targetable genes; 3378 Single Nucleotide Polymorphism (SNPs) were associated with 1531 genes in blood cis-eQTLs, 664 SNPs with 667 genes in sun-exposed skin eQTLs, and 572 SNPs with 574 genes in nonsun-exposed skin eQTLs. Five genes (SLC22A5, NOTCH4, AGER, HLA-DRB5, and EHMT2) showed causal relationships with eczema/dermatitis across multiple datasets. Single-variable and multi-variable Mendelian randomization (SMR) and multi-SNP SMR analysis identified 8 genes (PIK3R4, DHODH, CXCR2, Interleukin (IL)18, LGALS9, RPS6KB2, SLC22A5, and AGER) across all tissues. Functional Summary Information for Variants in the Online Network (FUSION) analysis confirmed associations for SLC22A5 and AGER. Bayesian colocalization indicated AGER (PPH4: 0.95) as a shared causal variant. Proteomic MR and meta-analysis showed that increased AGER protein levels were associated with a lower risk of eczema or dermatitis (odds ratio: 0.995, 95% confidence interval: 0.997–0.993, P = 0.0002). A PPI network revealed interactions of AGER with NOTCH4 and multiple cytokines, whereas SLC22A5 showed no cytokine interactions. Conclusions: This study identified potential drug-targetable genes, with AGER showing strong potential as a target for reducing eczema/dermatitis risk. These findings provide a basis for developing targeted therapies.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».