MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415791610 · doi:10.1161/circ.152.suppl_3.4364377

Abstract 4364377: An Integrative Strategy Combining Genetic, Proteomic, and Clinical Data Identifies Circulating WARS as a Candidate Target for Hypertension.

2025· article· en· W4415791610 sur OpenAlexaff
Arnaud Chignon, Guillaume Lettre

Notice bibliographique

RevueCirculation · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésMendelian randomizationBiobankGenome-wide association studyPleiotropyQuantitative trait locusGenetic associationProteomeExpression quantitative trait lociDisease

Résumé

récupéré en direct d'OpenAlex

Background: Hypertension (HTN) is a major cardiovascular risk factor and a leading cause of premature death, affecting ~30% of the global population. Despite available treatments, ~20% of individuals live with drug-resistant HTN. Blood pressure (BP) regulation involves the endothelium in contact with circulating plasma proteins, which are easily pharmacologically accessible. Notably, drug targets with genetic support are 2.6 times more likely to succeed clinically. Hypothesis: We hypothesized that a multi-omic strategy would identify genetically supported circulating proteins as promising therapeutic targets for HTN. Methods: We combined two-sample Mendelian randomization (MR) with Bayesian genome-wide association studies (GWAS) in an analysis integrating BP GWAS data from ~1 million individuals and plasma protein quantitative trait loci data for 4,717 proteins from 35,559 individuals. This approach identified a causal plasma proteome (CPP) influencing BP through specific loci. Using the tag variants from these loci, we calculated a polygenic score (PS) to perform a PS-based phenome-wide association study (PS-PheWAS) to assess the association of the CPP with HTN and its pleiotropy across 795 phenotypes measured in ~500,000 participants from the UK Biobank (UKBB). We used MR to distinguish causal from pleiotropic associations. Finally, we used clinical features and plasma protein expression data from ~50,000 UKBB participants to prioritize causal proteins significantly associated with incident HTN and related diseases using Cox models adjusted for age, sex, and body mass index (BMI). Results: From the 4,717 plasma proteins tested, we identified a CPP of 7 proteins associated with BP through 12 variants. The PS-PheWAS showed that the two strongest associations were for essential HTN ( p = 3.78×10 -36 ) and chronic kidney disease (CKD; p = 6.23×10 -9 ). MR supported causal effects of the expression of 5 of the 7 proteins for CKD and lifespan (CLMP, NCAN, PLXNB2, TCEA2, and WARS). Prospective analyses showed that plasma levels of one of them, WARS, were significantly and positively associated with the incidence of HTN, CKD, and mortality, independently of BMI ( Figure 1 ). Conclusion: Our strategy prioritized WARS as a genetically supported causal plasma protein positively associated with HTN, CKD, and mortality, highlighting its potential as a new therapeutic target for HTN.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,048
Tête enseignante GPT0,357
Écart entre enseignants0,309 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetGenetic Associations and Epidemiology→Travaux en français237 207→