MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117239938 · doi:10.1002/alz70855_106838

A rare variant polygenic risk score for Late‐Onset Alzheimer's Disease demonstrates trans‐ethnic predictive power

2025· article· en· W7117239938 sur OpenAlexaff
Ricky Lali, Shihong Mao, Basilio Cieza, Guillaume Paré, Giuseppe Tosto

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensHamilton Health SciencesHamilton Regional Laboratory Medicine ProgramMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPolygenic risk scoreDiseasePredictive powerMultifactorial InheritanceGenetic variantsGenetic variationRisk factorRisk assessment

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Late-onset Alzheimer's Disease (LOAD) is a substantial contributor to global morbidity, with cases expected to triple by 2050. While aging is the strongest environmental risk factor, genetic factors account for over 60% of disease variation. Traditional polygenic risk scores that aggregate an individual's genetic risk aid in risk stratification, but rely solely on common variants, which limit predictive power across populations, reducing generalizability of genetic risk. The gene-based burden of rare damaging variants has never been assessed for LOAD in a polygenic framework, despite its predictive potential across ancestral groups. METHOD: We herein develop the first rare variant polygenic risk score for LOAD (rvPRS-AD) using a whole genome-adapted version of RV-EXCALIBER, a method that implements correction factors to calibrate rare-variant gene burden testing against large, summary-level control data from gnomAD. Using 3,842 European LOAD cases from ADSP and 32,299 non-Finnish Europeans from gnomAD as controls, we identified 3,164 risk-conferring genes (excluding APOE), which were used to construct rvPRS-AD in 2,433 Hispanic ADSP participants (671 LOAD cases, 1,762 controls) by weighting the additive burden of rare damaging variants per gene. RESULT: We identified ABCA7, a well-established Alzheimer's risk gene, as the most strongly associated gene with LOAD (OR = 1.40, p = 1×10⁻⁴). rvPRS-AD demonstrated trans-ancestral predictive power, with a 1-SD increase in the European-derived score conferring 38% higher odds of LOAD (95% CI, 1.26-1.51) among Hispanics (Figure 1). It remained predictive independent of APOEε4 status and was strongest among APOEε4 homozygotes (OR = 2.02, 95% CI, 1.04-3.93). Lastly, rvPRS-AD identifies individuals at extreme LOAD risk, with 2.2% of Hispanic participants exhibiting a ≥2-fold increased odds of disease. CONCLUSION: rvPRS-AD is the first genetic instrument that leverages rare variants in a polygenic framework to predict LOAD risk across ancestrally diverse populations in a manner that is independent of common variant predictors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,277
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetGenetic Associations and Epidemiology→Travaux en français237 207→