Leveraging large-scale datasets and single cell omics data to develop a polygenic score for cisplatin-induced ototoxicity
Notice bibliographique
Résumé
Abstract Background Cisplatin-induced ototoxicity (CIO), characterized by irreversible and progressive bilateral hearing loss, is a prevalent adverse effect of cisplatin chemotherapy. Alongside clinical risk factors, genetic variants contribute to CIO and genome-wide association studies (GWAS) have highlighted the polygenicity of this adverse drug reaction. Polygenic scores (PGS), which integrate information from multiple genetic variants across the genome, offer a promising tool for the identification of individuals who are at higher risk for CIO. Integrating large-scale hearing loss GWAS data with single cell omics data holds potential to overcome limitations related to small sample sizes associated with CIO studies, enabling the creation of PGSs to predict CIO risk. Results We utilized a large-scale hearing loss GWAS and murine inner ear single nuclei RNA-sequencing (snRNA-seq) data to develop two polygenic scores: a hearing loss PGS (PGSHL) and a biologically informed PGS for CIO (PGSCIO). The PGSCIO included only variants which mapped to genes that were differentially expressed within cochlear cells that showed differential abundance in the murine snRNA-seq data post-cisplatin treatment. Evaluation of the association of these PGSs with CIO in our target CIO cohort revealed that PGSCIO demonstrated superior performance (P = 5.54 × 10− 5) relative to PGSHL (P = 2.93 × 10− 3). PGSCIO was also associated with CIO in our test cohort (P = 0.04), while the PGSHL did not show a significant association with CIO (P = 0.52). Conclusion This study developed the first PGS for CIO using a large-scale hearing loss dataset and a biologically informed filter generated from cisplatin-treated murine inner ear snRNA-seq data. This innovative approach offers new avenues for developing PGSs for pharmacogenomic traits, which could contribute to the implementation of tailored therapeutic interventions. Further, our approach facilitated the identification of specific cochlear cells that may play critical roles in CIO. These novel insights will guide future research aimed at developing targeted therapeutic strategies to prevent CIO.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».