GWAS SVatalog: a visualization tool to aid fine-mapping of GWAS loci with structural variations
Notice bibliographique
Résumé
Genome-wide association studies (GWAS) have been successful in identifying single nucleotide polymorphisms (SNPs) associated with phenotypic traits. However, SNPs form an incomplete set of variation across the genome and since a large percentage of GWAS-significant SNPs lie in non-coding regions, their impact on a given trait is difficult to decipher. Recognizing whether these SNPs are tagging other polymorphisms, like structural variations (SV), is an important step towards understanding the putative causal variation at GWAS loci. Here, we develop GWAS SVatalog ( https://svatalog.research.sickkids.ca/ ), a novel open-source web tool that computes and visualizes linkage disequilibrium (LD) between SVs and GWAS-associated SNPs throughout the human genome. The tool combines GWAS Catalog's SNP-trait association data across 14,479 phenotypes with LD statistics calculated between 35,732 SVs and 116,870 SNPs identified in 101 whole-genome long-read sequences. We show that different SV types are more likely to overlap regulatory features, and that SVs less directly tagged by GWAS-associated SNPs more frequently overlap CpG islands and promoters. We use GWAS SVatalog to identify SVs that may explain GWAS loci for iron levels, refractive error, and Alzheimer's disease, where previously SNPs were unable to provide a causal explanation. GWAS SVatalog advances the fine-mapping of GWAS loci with structural variations, enabling researchers to associate 35,732 common SVs with 14,479 phenotypes, accelerating the understanding of disease etiology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».