Notice bibliographique
Résumé
Age-related macular degeneration (AMD) is a progressive retinal disease and a leading cause of irreversible blindness in older adults, imposing a substantial global health burden. Genome-wide association studies (GWAS) have identified over 50 loci associated with AMD, yet most lie in non-coding regions, obscuring the underlying molecular mechanisms. This paper highlights the application of multiomics integration—a framework that combines genetic associations with regulatory and functional outcomes across molecular layers—to elucidate the genetic risk of AMD, with a particular focus on the CFH gene, a central player in AMD pathogenesis. This study first summarizes key omics data types (genomics, transcriptomics, epigenomics) and core analytical tools, such as colocalization analysis and expression quantitative trait loci (eQTL) mapping. This then examines CFH-centered multi-omics findings, including evidence of shared causal variants between AMD GWAS and CFH eQTLs, and tissue-specific regulatory effects observed in the liver and retinal pigment epithelium. The discussion further extends to other AMD loci (e.g., ARMS2/HTRA1, C3) and outlines technical challenges such as data heterogeneity, tissue accessibility and translational potential. Overall, despite existing complexities, multi-omics integration provides an essential bridge between genetic associations and disease mechanisms, offering a roadmap for improved risk prediction and the development of mechanism-driven, biomarker-based therapeutics for AMD.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».