Investigating the polygenic relationship between heavy cannabis use and schizophrenia in the All of Us Research Program
Notice bibliographique
Résumé
BACKGROUND: Decades of research have identified a strong association between heavy cannabis use and schizophrenia (SCZ), with evidence of correlated genetic factors. However, many studies on the genetic relationship between cannabis use and psychosis have lacked data on both phenotypes within the same individuals, creating challenges due to unmeasured confounding. We aimed to address this by using multimodal data from the All of Us Research Program, which contains genetic data as well as information on SCZ diagnosis and cannabis use. METHODS: We tested the association between cannabis use disorder (CUD) and SCZ polygenic scores (PGSs) with SCZ and heavy cannabis use. We tested models where both CUD and SCZ PGSs were included as joint predictors of heavy cannabis use and SCZ case status. We defined three sets of cases based on comorbidities: relaxed (assessing for only the primary condition), strict (excluding comorbidity), and dual-comorbidity. RESULTS: CUD and SCZ polygenic liability were independently associated with heavy cannabis use; the SCZ PGS effect was very modest. In contrast, both SCZ and CUD PGSs were independently associated with SCZ, with independent significant effects of CUD PGS. Polygenic liability to CUD was associated with SCZ in individuals without a documented history of cannabis use, suggesting widespread pleiotropy. CONCLUSIONS: These findings underscore the need for comprehensive models that integrate genetic risk factors for heavy cannabis use to advance our understanding of SCZ 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».