MétaCan
Menu
Retour à la cohorte
Enregistrement W4417194663 · doi:10.1186/s13059-025-03864-4

RAMEN: Dissecting individual, additive and interactive gene-environment contributions to DNA methylome variability in cord blood

2025· article· en· W4417194663 sur OpenAlexafffund
Erick I. Navarro‐Delgado, Darina Czamara, Karlie Edwards, Maggie P. Fu, Sarah M. Merrill, Chaini Konwar, Julie L. MacIsaac, David Lin, Piush Mandhane, Elinor Simons, Padmaja Subbarao, Theo J. Moraes, Jari Lahti, Gregory E. Miller, Elisabeth B. Binder, Katri Räikkönen, Stuart E. Turvey, Keegan Korthauer, Michael S. Kobor

Notice bibliographique

RevueGenome biology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British ColumbiaHospital for Sick ChildrenUniversity of ManitobaUniversity of AlbertaMichael Smith Health Research BCBC Children's Hospital
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesCanadian Institutes of Health ResearchUniversity of British ColumbiaMitacsBC Children's Hospital
Mots-clésDNA methylationContext (archaeology)Human geneticsCord bloodEpigeneticsMethylationDNAMicroarrayGenomics

Résumé

récupéré en direct d'OpenAlex

Genetic variation and environmental exposures are amongst the main factors associated with inter-individual DNA methylation variability. However, the prevalence and genomic context of individual, additive, and interactive gene-environment effects remains unclear. We present RAMEN, an R package that dissects genome-exposome contributions to microarray Variably Methylated Loci using machine learning and statistical techniques. Analyzing cord blood samples from CHILD and PREDO (overall n = 1662), we identify genetic variants as key contributors to DNA methylation variability, usually in additive and interactive combinations with the environment. We provide a detailed catalogue of cord blood Variably Methylated Loci and the gene-environment contribution to their variability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,635

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,294
Écart entre enseignants0,286 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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'admission2
Résumé présentoui

Explorer davantage

Même revueGenome biologyMême sujetEpigenetics and DNA MethylationTravaux en français237 207