Integrative multi-omics data from early development to identify the genes and cell types underlying attention-deficit/hyperactivity disorder
Notice bibliographique
Résumé
BACKGROUND: Genome-wide association studies (GWASs) have identified numerous loci significantly associated with attention-deficit/hyperactivity disorder (ADHD); however, the majority of these loci are located in non-coding regions, limiting our understanding of the disorder's underlying pathogenesis. METHODS: We applied the summary data-based Mendelian randomization (SMR) approach to integrate expression quantitative trait loci (eQTL) data derived from bulk post-mortem tissues, fetal brain tissues, and single-cell types from induced pluripotent stem cell (iPSC)-derived neurons and post-mortem brain samples with ADHD GWAS data. Additionally, we performed cell-type enrichment analysis to identify specific cell types implicated in ADHD. RESULTS: Our integrative analysis identified LSM6 and RPS26 as significantly associated with ADHD, based on eQTL data from fetal brain and iPSC-derived neurons. Genes highlighted in fetal brain and iPSC-derived neurons showed high expression levels during early development, whereas genes identified from post-mortem brain samples tended to be expressed at low levels before the peak onset period of ADHD. Furthermore, cell-type enrichment analysis revealed that SNP-based heritability for ADHD was predominantly enriched in excitatory glutamatergic neurons, with relatively lower enrichment observed in glial cells. CONCLUSIONS: The findings highlight the importance of considering developmental gene expression dynamics in integrative analyses. Genetic variants may contribute to ADHD pathogenesis by modulating gene expression in the fetal brain, thereby impacting early neurodevelopmental processes.
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 | 0,000 |
| 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 ».