MétaCan
Menu
Retour à la cohorte
Enregistrement W4412465011 · doi:10.1016/j.neurobiolaging.2025.07.009

Multi-omic derived cell-type specific Alzheimer disease polygenic risk scores

2025· article· en· W4412465011 sur OpenAlexfundno aff
Nicholas K. O’Neill, Nuzulul Kurniansyah, Congcong Zhu, Oluwatosin A Olayinka, Richard Mayeux, Jonathan L. Haines, Margaret A. Pericak‐Vance, Li-San Wang, Gerard D. Schellenberg, Lindsay A. Farrer, Xiaoling Zhang

Notice bibliographique

RevueNeurobiology of Aging · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute on AgingMedical Research CouncilTexas Alzheimer's Research and Care ConsortiumNational Alzheimer's Coordinating CenterIndiana UniversityTranslational Genomics Research InstituteWellcome TrustVanderbilt UniversityDoD Alzheimer's Disease Neuroimaging InitiativeUniversity of MiamiAlzheimer's Disease Neuroimaging InitiativeColumbia UniversityAlzheimer's AssociationU.S. Department of Veterans AffairsUniversity of TorontoNational Science FoundationCase Western Reserve UniversityIllinois Department of Public HealthRush UniversitySchool of Medicine, Boston UniversityFundación Instituto para la Mejora de la Asistencia SanitariaU.S. Department of Health and Human ServicesCanadian Institutes of Health ResearchAlzheimer’s Disease Research Center, University of WashingtonMayo ClinicVanEd
Mots-clésPolygenic risk scoreDiseaseAlzheimer's diseaseMedicineBiologyComputational biologyGeneticsInternal medicineGeneGenotypeSingle-nucleotide polymorphism

Résumé

récupéré en direct d'OpenAlex

Alzheimer disease (AD) polygenic risk scores (ADPRS) built from cell-type (ct) specific genetic variants can be used to infer cell-type contributions to AD. We derived two ct-ADPRSs using variants near single-nuclei RNA-seq (snRNA) derived cell-type specific genes or on single-nuclei ATAC-seq (snATAC) derived cell-type specific accessible chromatin regions. We generated a multi-omic ct-ADPRS for eight neuron subtypes using both single-nuclei datasets. SnATAC-derived ct-ADPRSs demonstrated considerably lower correlations among cell types (average r=0.071) than snRNA-derived ct-ADPRSs (average r=0.19), indicating their heightened cell-type specificity. The association of these ct-ADPRSs with AD endophenotypes was evaluated using logistic and linear regression models. Tau tangle burden was associated with astrocyte (AST) ct-ADPRS derived from snATAC (β=0.82, FDR=0.0013) and snRNA (β=0.60, FDR=0.045) as well as microglia (MIC) ct-ADPRS from both (snATAC: β=0.75, FDR=0.0047) (snRNA: β=0.63, FDR=0.028). AST ct-ADPRS was significantly associated with Mini-Mental State Examination score only when derived from snATAC data (β=-0.82, FDR=0.011). SST expressing GABAergic neuron ADPRS was strongly associated ct-ADPRS with neuritic plaque burden (β=0.087, FDR=0.0014) and the only neuron subtype ct-ADPRS significantly associated with AD endophenotypes. We investigated 1,954 SNPs contributing to this ct-ADPRS and found the strongest association with variants upstream of the neuropeptide Y gene, NPY , particularly rs3940268 (β=-0.13, P=8.2x10 -5 ). This association is significant even after adjusting for diffuse plaque (β=-0.12, P=1.5x10 -4 ) or neurofibrillary tangle burden (β=-0.08, P=3.9x10 -3 ). NPY was expressed in a small subset of neurons, and these findings suggest its strong impact on the association of SST+ GABAergic neurons with early AD pathology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,238
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurobiology of AgingMême sujetBioinformatics and Genomic NetworksTravaux en français237 207