Next generation sequencing analysis reveals complex genetic architecture of childhood-onset systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVES: Our current understanding of the genetic architecture of childhood-onset SLE (cSLE) is limited by a dearth of comprehensive genomic studies in cSLE. We have quantified the number of known rare and common SLE risk variants in a diverse cSLE cohort. We characterised type I interferon (IFN) gene expression scores along with genomic data. METHODS: We performed whole genome sequencing on 83 patients with cSLE and 109 unaffected parents and analysed sequences for known common and rare SLE-associated risk variants. Type I IFN gene expression was quantified on a subset of patients. We investigated the relationship between clinical phenotype, genomic profile and type I IFN signatures in this cohort. RESULTS: Patients with cSLE were enriched for common SLE risk variants compared with unaffected parents and controls. We identified rare SLE risk variants in 11% of individuals with cSLE; those with rare variants had earlier disease onset (<12 years) than those without variants. Patients with cSLE had elevated type I IFN gene expression compared with unaffected parents and controls, even though most patients were treated with immunosuppressive therapy. CONCLUSIONS: Patients with cSLE from this ancestrally and geographically diverse cohort are enriched for common cSLE risk variants compared with controls, and 11% carry a rare variant in known monogenic SLE risk genes. The relationship between rare and common risk variant burden is more complex than previously hypothesised. Our findings indicate that studying patients with cSLE is important for understanding genetic contributions to SLE pathogenesis.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».