MétaCan
Menu
Retour à la cohorte
Enregistrement W4412755256 · doi:10.1186/s12888-025-07209-0

Integrative multi-omics data from early development to identify the genes and cell types underlying attention-deficit/hyperactivity disorder

2025· article· en· W4412755256 sur OpenAlexaff
Shufen Jiao, Li Bao, Xiaowen Lu, Yong Wu, Yichen Li

Notice bibliographique

RevueBMC Psychiatry · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensChild, Adolescent and Family Mental Health
Organismes subventionnairesNational Institute of Mental HealthState University of New York Upstate Medical UniversityUniversity of California, San FranciscoYale UniversityUniversity of California, Los AngelesJohns Hopkins UniversityState University of New YorkUniversity of Southern California
Mots-clésAttention deficit hyperactivity disorderPsychologyOmicsPsychiatryClinical psychologyBioinformaticsBiology

Résumé

récupéré en direct d'OpenAlex

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 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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,086
Tête enseignante GPT0,380
Écart entre enseignants0,294 · 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'étudeExpérimental (laboratoire)
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 revueBMC PsychiatryMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207