Additional file 2 of 3D chromatin-based variant-to-gene maps across 57 human cell types reveal the cellular and genetic architecture of autoimmune disease susceptibility
Notice bibliographique
Résumé
Additional file 2. Supplementary Figures S1-S19.Figure S1. Full S-LDSC parameters across diverse cell types’ cREs annotation. Figure S2. Bar plots show number of significant heritability enrichment.Figure S3. Bar plots show number of significant conditional effect sizes. Figure S4. Intersections of V2G genes. Figure S5. Comparative predictive power of orthogonal V2G approaches. Figure S6. Cytokine/receptor gene enrichment across trait and cell type. Figure S7. Salmonella infection gene enrichment across trait and cell type. Figure S8. Sharing of V2G genes in enteroids across UC, CRO, and IBD. Figure S9. Gene ontology enrichment of cell type-specific V2G genes across cell type. Figure S10. Shared eGenes across different eQTL datasets with V2G. Figure S11. Shared eGenes across different eQTL datasets per locus. Figure S12. Proportion of eGenes identified by eQTL. Figure S13. Disrupted transcription factor binding motifs. Figure S14. Dot-plot shows effect sizes of SLE and RA variants on FDFT1 expression. Figure S15. Expression of BLK. Figure S16. Effect of lapaquistat on T cell activation. Figure S17. Gating strategies for Immune cells. Figure S18. Phenotypic characterization of the sorted Immune cells. Figure S19. Functional characterization of the expanded T-helper subsets.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,822 | 0,145 |
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 ».