MétaCan
Menu
Retour à la cohorte
Enregistrement W7117126531 · doi:10.1093/brain/awaf474

Sex-aware causal inference assessment of the immune system in complex neurodegenerative diseases

2025· article· en· W7117126531 sur OpenAlexaff
Frida Lona‐Durazo, Byrne Ross, Marc-Olivier Pilon, Michael D. Greicius, Marie‐Pierre Dubé, Michaël E. Belloy, Russell L. McLaughlin, Sarah A Gagliano Taliun

Notice bibliographique

RevueBrain · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensUniversité de MontréalTrinity CollegeMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésAmyotrophic lateral sclerosisDiseaseImmune systemCausal inferenceTraitGenome-wide association studyGenetic associationMendelian randomization

Résumé

récupéré en direct d'OpenAlex

Sex differences, in terms of prevalence, symptoms and disease progression, are established in the etiology of complex neurodegenerative diseases, including amyotrophic lateral sclerosis, Parkinson's disease and Alzheimer's disease, but the underlying biology driving these differences remains poorly understood. There is emerging evidence, through genetic and functional analyses, affirming the role of the immune system in such diseases, but a thorough assessment of sex differences linking the immune system and neurodegenerative diseases is understudied. Here, we applied a robust causal inference approach, two-sample Mendelian randomization, to evaluate the causal effect of immune-related protein levels on three neurodegenerative diseases with large-scale sex-stratified genome-wide association data available: amyotrophic lateral sclerosis (females = 10,895 cases, 57,062 controls; males = 15,547 cases, 50,145 controls), Parkinson's disease (females = 7,947 cases, 90,662 controls; males = 13,020 cases, 89,660 controls) and Alzheimer's disease (females = 18,822 cases, 281,415 controls; males = 17,293 cases, 213,339 controls). As exposures, we focused on 932 immune system-related proteins with significant protein cis-quantitative trait loci (FDR cutoff < 0.01) from a large sex-combined plasma protein dataset (N = 33,477), for which corresponding genes were included in the Immunology Database and Analysis Portal gene list. We tested for a causal relationship between genetically predicted levels of each of these proteins and each neurodegenerative disease in sex-stratified and sex-combined data, followed by colocalization and estimation of sex-differential effects. We additionally performed exploratory analyses using sex-combined CSF protein cis-quantitative trait loci (N = 971) as exposures. We observed evidence for a sex-differential causal relationship between FCGR2A and Parkinson's disease, and between CD2AP, MAMDC2, PCDH17 or CSF3 and Alzheimer's disease. We validated significant results using two independent protein cis-quantitative trait loci datasets for those plasma proteins available. After performing sensitivity analyses, we validated the potential causal relationships of OMG on Parkinson's disease and of GRN, SERPINF2 and TREM2 on Alzheimer's disease. Mendelian randomization with CSF protein cis-quantitative trait loci showed a potential causal effect of ADGRE2, GPNMB and COLEC11 on Parkinson's disease and of CD33 on Alzheimer's disease, without evidence of sex-differential effects. Finally, we substantiated our findings of protein-disease pairs using triangulation, specifically reporting independent supporting evidence from the literature and drug-related databases. Overall, our results point to potential causal effects of genetically predicted levels of immune system-related plasma and CSF proteins in Alzheimer's disease and Parkinson's disease, some of which may be considered as potential candidates for drug development.

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 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 enseignants0,197
Score d'incertitude au seuil0,250

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 recherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,367
Écart entre enseignants0,330 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetAmyotrophic Lateral Sclerosis ResearchTravaux en français237 207