Genetic architecture in Greenland is shaped by demography, structure and selection
Notice bibliographique
Résumé
, leading to inequity in healthcare opportunities. To address this, we performed analyses of sequenced or imputed genomes of 5,996 Greenlanders with extensive phenotypes. We quantified their historical population bottleneck and how it has shaped their genetic architecture to have fewer, but more common, variable sites. Consequently, we find twice as many high-impact genome-wide associations to metabolic traits in Greenland compared with Europe. We infer that the high-impact variants arose after the population split from Native Americans and thus are Arctic-specific, and show that some of them are common due to not only genetic drift but also selection. We also find that European-derived polygenic scores for metabolic traits are only half as accurate in Greenlanders as in Europeans, and that adding Arctic-specific variants improves the overall accuracy to the same level as in Europeans. Similarly, lack of representation in public genetic databases makes genetic clinical screening harder in Greenlandic Inuit, but inclusion of Greenlandic data remedies this by reducing the number of non-causal candidate variants by sixfold. Finally, we identify pronounced genetic fine structure that explains differences in prevalence of monogenic diseases in Greenland and, together with recent changes in mobility, leads to a predicted future reduction in risk for certain recessive diseases. These results illustrate how including data from Greenlanders can greatly reduce inequity in genomic-based healthcare.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».