SUDEP risk is influenced by longevity genomics: a polygenic risk score study
Notice bibliographique
Résumé
BACKGROUND: Sudden Unexpected Death in Epilepsy (SUDEP) is a rare and tragic outcome in epilepsy, identified by those with the condition as their most serious concern. Although several clinical factors are associated with elevated SUDEP risk, mechanisms underlying SUDEP are poorly understood, making individual risk prediction challenging, especially early in the disease course. We hypothesised that common genetic variation contributes to SUDEP risk. METHODS: Genetic data from people who had succumbed to SUDEP was compared to data from people with epilepsy who had not succumbed to SUDEP and from healthy controls. Polygenic risk scores (PRSs) for longevity, intelligence and epilepsy were compared across cohorts. Reactome pathways and gene ontology terms implicated by the contributing single nucleotide polymorphisms (SNPs) were explored. In the subset of SUDEP cases with the necessary data available, a risk score was calculated using an existing risk prediction tool (SUDEP-3); the added value to this prediction of SNP-based genomic information was evaluated. FINDINGS: Only European-ancestry participants were included. 161 SUDEP cases were compared to 768 cases with epilepsy and 1153 healthy controls. PRS for longevity was significantly reduced in SUDEP cases compared to disease (P = 0·0096) and healthy controls (P = 0·0016), as was PRS for intelligence (SUDEP cases compared to disease (P = 0·0073) and healthy controls (P = 0·00024)). The PRS for epilepsy did not differ between SUDEP cases and disease controls (P = 0·76). SNP-determined pathway and gene ontology analysis highlighted those related to inter-neuronal communication as amongst the most enriched in SUDEP. Addition of PRS for longevity and intelligence to SUDEP-3 scores improved risk prediction in a subset of cases (38) and controls (703), raising the area-under-the-curve in a receiver-operator characteristic from 0·699 using SUDEP-3 alone to 0·913 when PRSs were added. INTERPRETATION: Common genetic variation contributes to SUDEP risk, offering new approaches to improve risk prediction and to understand underlying mechanisms. FUNDING: The Amelia Roberts Fund; CURE Epilepsy; Epilepsy Society, UK; Finding A Cure for Epilepsy and Seizures (FACES).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».