Leveraging the shared and opposing genetic mechanisms in the heritable cardiomyopathies for gene discovery
Notice bibliographique
Résumé
Abstract Background The heritable cardiomyopathies represent groups of heart muscle diseases with partially overlapping characteristics and genetic mechanisms. The most common subtypes, dilated cardiomyopathy (DCM) and hypertrophic cardiomyopathy (HCM), show largely opposing phenotypic characteristics, yet both lead to arrhythmia, heart failure, and sudden death. Recent genome-wide association studies (GWAS) have identified dozens of common genetic variants linked to DCM and HCM, of which several loci are shared across both disorders. Purpose We aimed to interrogate the shared and opposing genetic mechanisms of DCM and HCM on a global and local level. We subsequently aimed to leverage these mechanisms to improve locus and gene discovery. Methods and results We leveraged summary-level data from the latest GWAS meta-analyses for HCM[1] (N=5,900 cases) and DCM[2] (N=9,365 cases).(Figure 1a) Across both GWAS, 51 distinct loci were identified, of which 18 overlapped. Bivariate LD score regression revealed a strong negative genetic correlation on a global level (rg=-0.56, p= 3.8-E27). To investigate regional genetic overlap, we analyzed 2,495 genome partitions using Local Analysis of Variant Association (LAVA)[3]. LAVA identified 14 regions with significant genetic correlation, all with opposing genetic effects, of which 3 were not overlapping previous loci (Figure 1b). Given the pervasive inverse genetic relationship, we then performed a case-case GWAS (CC-GWAS)[4], in which DCM and HCM were modeled as opposite entities on a singular disease spectrum. CC-GWAS identified 67 significant loci (26 novel GWAS loci). When integrated into a multi-trait GWAS (MTAG) with MRI-derived left ventricular traits[1] (N=36,083), we subsequently identified 95 significant loci (17 novel loci) (Figure 1c). Through contemporary locus-to-gene mapping, we found that our novel loci were enriched for genes previously implicated in cardiac function (eg, CACNA2D2, MYPN, LDB3, ADM, NOS1AP) and relevant biology (eg, muscle cell contraction, cytoskeletal organization, regulation of potassium channel activity). In contrast, a shared-effects meta-analysis, in which DCM and HCM were treated as similar diseases, identified only one significant locus. The lead variant in this locus was a missense variant in CASQ2, which encodes a Ca-binding protein in the endoplasmic reticulum (Figure 1c). Conclusions DCM and HCM represent opposite entities on a genetic spectrum. By leveraging this spectrum, we highlight several novel players underlying cardiomyopathy pathogenesis. The opposing genetics further point to pervasive opposite molecular mechanisms underlying DCM and HCM, although specific mechanisms related to calcium-handling might be concordant. Our findings inform the genetic architecture of the cardiomyopathy spectrum, with potential implications for therapeutics development.Figure 1.Overview of the study
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 | 0,009 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».