Genetic analyses across cardiovascular traits: leveraging genetic correlations to empower locus discovery and prediction in common cardiovascular diseases
Notice bibliographique
Résumé
Common genetic variation detected by genome-wide association studies (GWAS) partially explains variability in the spectrum of cardiac phenotypes. In this work, we explore genetic correlations among 58 cardiac-related traits/diseases, detecting novel ones. We subsequently employ multi-trait analysis of GWAS (MTAG), which meta-analyzes genetically correlated traits, to improve genomic loci discovery and prediction in atrial fibrillation (AF), coronary artery disease (CAD), and heart failure (HF). We identify 19 novel loci specific for AF, 131 for CAD, and 141 for HF. Polygenic scores (PGS) in 15,177 Canadian individuals show similar results when PGS are derived from conventional GWAS versus MTAG summary statistics, although MTAG-PGS improve prediction and discrimination of CAD in females [∆ R 2 1.735% (95% Confidence Interval (CI): 0.609–2.856); Net reclassification index 0.208 (95%CI: 0.139–0.277)]. This work describes new relevant genetic correlations among cardiac-related traits/diseases and supports MTAG to improve loci discovery in common cardiovascular diseases and potentially improve the prediction of CAD in females.
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 | 0,000 |
| 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 ».