MétaCan
Menu
Retour à la cohorte
Enregistrement W4417199191 · doi:10.1038/s41586-025-09820-3

Mapping the genetic landscape across 14 psychiatric disorders

2025· article· en· W4417199191 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueNature · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensMcGill UniversityGenome CanadaCentre for Addiction and Mental HealthUniversity Health NetworkDalhousie UniversityUniversity of TorontoHospital for Sick Children
Organismes subventionnairesNational Institute of Mental HealthCanadian Institutes of Health ResearchHORIZON EUROPE Framework ProgrammeNorges ForskningsrådNovo Nordisk FondenNational Institute for Health and Care ResearchNovo NordiskNational Institutes of HealthH. Lundbeck A/SLundbeckfondenRegeneron PharmaceuticalsNational Alliance for Research on Schizophrenia and DepressionEuropean CommissionCenter for Individualized Medicine, Mayo ClinicAutism Speaks
Mots-clésSchizophrenia (object-oriented programming)Psychiatric geneticsBipolar disorderComorbidityPsychosisAnxietyGenetic associationGenetic correlation

Résumé

récupéré en direct d'OpenAlex

Psychiatric disorders display high levels of comorbidity and genetic overlap1,2, challenging current diagnostic boundaries. For disorders for which diagnostic separation has been most debated, such as schizophrenia and bipolar disorder3, genomic methods have revealed that the majority of genetic signal is shared4. While over a hundred pleiotropic loci have been identified by recent cross-disorder analyses5, the full scope of shared and disorder-specific genetic influences remains poorly defined. Here we addressed this gap by triangulating across a suite of cutting-edge statistical and functional genomic analyses applied to 14 childhood- and adult-onset psychiatric disorders (1,056,201 cases). Using genetic association data from common variants, we identified and characterized five underlying genomic factors that explained the majority of the genetic variance of the individual disorders (around 66% on average) and were associated with 238 pleiotropic loci. The two factors defined by (1) Schizophrenia and bipolar disorders (SB factor); and (2) major depression, PTSD and anxiety (Internalizing factor) showed high levels of polygenic overlap6 and local genetic correlation and very few disorder-specific loci. The genetic signal shared across all 14 disorders was enriched for broad biological processes (for example, transcriptional regulation), while more specific pathways were shared at the level of the individual factors. The shared genetic signal across the SB factor was substantially enriched in genes expressed in excitatory neurons, whereas the Internalizing factor was associated with oligodendrocyte biology. These observations may inform a more neurobiologically valid psychiatric nosology and implicate targets for therapeutic development designed to treat commonly occurring comorbid presentations. Genomic analyses applied to 14 childhood- and adult-onset psychiatric disorders identifies five underlying genomic factors that explain the majority of the genetic variance of the individual disorders.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,681

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,268
Écart entre enseignants0,264 · 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