The genetic determinants of plasma protein variance across ancestries and effects on cardiometabolic disease risk
Notice bibliographique
Résumé
Abstract Variance quantitative trait loci (vQTLs), which capture genetic contributions to phenotypic variability, remain underexplored in proteomic studies, particularly across diverse ancestries. We systematically mapped cis -vQTLs for 2,923 plasma proteins in 52,706 UK Biobank participants of European (EUR, N = 45,486), African (AFR, N = 1,336), and Central/South Asian (CSA, N = 934) ancestries, identifying 2,162 vQTLs (P VE < 5 x 10 -8 ) for 781 proteins. We identified ancestry-specific and shared cis -vQTLs, including those for 30 proteins which were shared across all ancestries, with a few proteins, exhibiting stronger associations in non-EUR ancestry groups despite smaller sample sizes. Across ancestries, 7% (EUR), 25% (AFR), and 14% (CSA) of associations had variance effects only (vQTL only ), lacking corresponding mean effects (P ME > 0.05), with chromosome X enriched for vQTL only associations. Finally, multivariable Mendelian randomization revealed that, independent of genetically predicted mean protein levels, genetically predicted variance of three proteins influenced disease risk of coronary artery disease (Lp(a) and VAMP5) or type 2 diabetes (ANGPTL4). The MR effects for protein levels and variance were independent yet directionally consistent and significant (FDR < 0.05). Taken together, this study identifies novel protein vQTLs, highlights their transferability and demonstrates the potential therapeutic relevance of protein variance.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».