The role of evolution in the genetic susceptibility of intracranial aneurysm
Bibliographic record
Abstract
Les Inuits du Nunavik regroupent des peuples autochtones de l'Arctique qui au fil de l’histoire ont formé une petite population isolée dans la région du Nunavik (nord de la province de Québec, Canada). Le profil génétique unique des Inuits du Nunavik est le résultat d’une adaptation à leur milieu de vie et il est considéré comme lié à certaines de leurs susceptibilités pathologiques. Une évolution neutre, ainsi qu’une suite d’événements adaptatifs, ont façonné le génome de ces Inuits et indirectement engendré leur prédisposition accrue à certains troubles cardio-vasculaires et cérébro-vasculaires (ex : hypertension et anévrismes intracrâniens (AI)). Les AI sont des faiblesses cérébro-vasculaires localisées pouvant mener à des dilatations et renflements localisés de la paroi vasculaire. De telles distorsions sont susceptibles de perturber les vaisseaux et entrainer des hémorragies sous-arachnoïdiennes. Les AI sont un désordre complexe dont la prévalence est élevée (4-8%) et différentes populations (non reliées aux Inuits) ont aussi un risque accru de développer des AI. Le développement des AI est associé à la fois à des facteurs environnementaux et génétiques; plusieurs études génomiques ont identifié des régions associées aux AI. Une grande part de l'héritabilité génétique des AI demeure encore inexpliquée, en particulier dans des populations autres que les finnois et les japonais. Toutefois il est à noter que peu d’études génétiques des AI ont tenu compte de la contribution de variations génétiques spécifiques à la population étudiée. Pour améliorer nos connaissances sur la part encore inexpliquée de l'héritabilité des AI (qui implique une grande hétérogénéité génétique et des variations peu pénétrantes), nous avons combiné le séquençage à haut débit au génotypage des polymorphismes sur puces afin d’établir la signature génétique des deux populations fondatrices du Québec prédisposées aux AI (Inuits du Nunavik et Canadiens français). Comme ces populations ont des caractéristiques distinctes, nous avons utilisé des approches différentes pour tenter d’identifier des facteurs de risque génétiques. Les Inuits du Nunavik représentent une population autochtone et de nombreux aspects de leur signature génétique diffèrent de celles des principales populations, nous avons choisi d’approfondir leur histoire et profil génomique avant de vérifier si des associations génomiques pouvaient être établies avec les IA. Nous avons tout d'abord examiné les régions codantes du génome et observé de nombreuses composantes génétiques spécifiques aux Inuits du Nunavik qui reflètent que la population s’est adaptée à son environnement (ex: ascendance Inuit homogène, augmentation du déséquilibre de liaison et signature génétique). Des signes de sélection naturelle, jusqu’alors non-identifiés, ont révélé une accumulation de variations génétiques dans des gènes impliqués dans le processus d'adhésion cellulaire et de la réponse immunitaire (ex. CPNE7 et ICAM5). D'autres analyses ont révélé un variant dans le gène CCM2 qui présente une sélection positive et est significativement associé aux AI chez les Inuits du Nunavik. En ce qui concerne l'étiologie génétique des AI dans la population des Canadiens français, nous avons adopté une approche différente et utilisé des variations spécifiques aux Canadiens français, qui ont été identifiées par le séquençage complet de l'exome. Ces variations ont permis de générer une liste de gènes à risque potentiel, qui ont ensuite été priorisés en utilisant un test d'association par gène de type « burden ». RNF213 est apparu comme le meilleur gène candidat; il est vraisemblablement la conséquence d’une dérive génétique. Les mesures génétiques et fonctionnelles subséquentes ont validé la contribution possible de RNF213 au développement des AI chez les Canadiens français. Les résultats présentés dans cette thèse soulignent l'importance de prendre en compte le contexte génétique spécifique apporté par l'évolution lorsqu'une maladie complexe est étudiée. Il a également été montré que les variations d’un gène spécifique (ex. CCM2 et RNF213) peuvent contribuer au développement de différentes pathologies lorsqu'ils sont observés dans des populations distinctes. D'une manière générale, nos découvertes génétiques ont permis d’identifier de nouvelles « pièces » génétiques et pour avancer le « casse-tête » incomplet de l'héritabilité génétique des AI ; la génétique des populations a été un élément clé pour cette avancée.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".