Prioritizing Parkinson’s disease risk genes in genome-wide association loci
Notice bibliographique
Résumé
Many drug targets in ongoing Parkinson's disease (PD) clinical trials have strong genetic links. While genome-wide association studies (GWAS) nominate regions associated with disease, pinpointing causal genes is challenging. Our aim was to prioritize additional druggable genes underlying PD GWAS signals. The polygenic priority score (PoPS) integrates genome-wide information from MAGMA gene-level associations and over 57,000 gene-level features. We applied PoPS to East Asian and European PD GWAS data and prioritized genes based on PoPS, distance to the GWAS signal, and non-synonymous credible set variants. We prioritized 46 genes, including well-established PD genes (SNCA, LRRK2, GBA1, TMEM175, VPS13C), genes with strong literature evidence supporting a mechanistic link to PD (RIT2, BAG3, SCARB2, FYN, DYRK1A, NOD2, CTSB, SV2C, ITPKB), and genes relatively unexplored in PD. Many hold potential for drug repurposing or development. We prioritized high-confidence genes with strong links to PD pathogenesis that may represent our next-best candidates for developing disease-modifying therapeutics.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».