Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
We conduct a genome-wide association study (GWAS) of educational attainment (EA) in a sample of ~3 million individuals and identify 3,952 approximately uncorrelated genome-wide-significant single-nucleotide polymorphisms (SNPs). A genome-wide polygenic predictor, or polygenic index (PGI), explains 12–16% of EA variance and contributes to risk prediction for ten diseases. Direct effects (i.e., controlling for parental PGIs) explain roughly half the PGI’s magnitude of association with EA and other phenotypes. The correlation between mate-pair PGIs is far too large to be consistent with phenotypic assortment alone, implying additional assortment on PGI-associated factors. In an additional GWAS of dominance deviations from the additive model, we identify no genome-wide-significant SNPs, and a separate X-chromosome additive GWAS identifies 57.
Polygenic prediction of educational attainment within and between families from genome-wide association analyses in 3 million individuals / Okbay, A., Wu, Y., Wang, N., Jayashankar, H., Bennett, M., Nehzati, S.M., Sidorenko, J., Kweon, H., Goldman, G., Gjorgjieva, T., Jiang, Y., Hicks, B., Tian, C., Hinds, D.A., Ahlskog, R., Magnusson, P.K.E., Oskarsson, S., Hayward, C., Campbell, A., Porteous, D.J., et al.. - In: NATURE GENETICS. - ISSN 1061-4036. - 54:4(2022), pp. 437-449. [10.1038/s41588-022-01016-z]
Polygenic prediction of educational attainment within and between families from genome-wide association analyses in 3 million individuals
Okbay A.;Wu Y.;Wang N.;Jayashankar H.;Bennett M.;Nehzati S. M.;Sidorenko J.;Kweon H.;Goldman G.;Gjorgjieva T.;Jiang Y.;Hicks B.;Tian C.;Hinds D. A.;Ahlskog R.;Magnusson P. K. E.;Oskarsson S.;Hayward C.;Campbell A.;Porteous D. J.;Freese J.;Herd P.;Agee M.;Alipanahi B.;Auton A.;Bell R. K.;Bryc K.;Elson S. L.;Fontanillas P.;Furlotte N. A.;Hinds D. A.;Huber K. E.;Kleinman A.;Litterman N. K.;McCreight J. C.;McIntyre M. H.;Mountain J. L.;Northover C. A. M.;Pitts S. J.;Sathirapongsasuti J. F.;Sazonova O. V.;Shelton J. F.;Shringarpure S.;Tung J. Y.;Vacic V.;Wilson C. H.;Fontana M. A.;Pers T. H.;Rietveld C. A.;Chen G. -B.;Emilsson V.;Meddens S. F. W.;Pickrell J. K.;Thom K.;Timshel P.;de Vlaming R.;Abdellaoui A.;Ahluwalia T. S.;Bacelis J.;Baumbach C.;Bjornsdottir G.;Brandsma J. H.;Concas M. P.;Derringer J.;Galesloot T. E.;Girotto G.;Gupta R.;Hall L. M.;Harris S. E.;Hofer E.;Horikoshi M.;Huffman J. E.;Kaasik K.;Kalafati I. P.;Karlsson R.;Lahti J.;van der Lee S. J.;de Leeuw C.;Lind P. A.;Lindgren K. -O.;Liu T.;Mangino M.;Marten J.;Mihailov E.;Miller M. B.;van der Most P. J.;Oldmeadow C.;Payton A.;Pervjakova N.;Peyrot W. J.;Qian Y.;Raitakari O.;Rueedi R.;Salvi E.;Schmidt B.;Schraut K. E.;Shi J.;Smith A. V.;Poot R. A.;Pourcain B. S.;Teumer A.;Thorleifsson G.;Verweij N.;Vuckovic D.;Wellmann J.;Westra H. -J.;Yang J.;Zhao W.;Zhu Z.;Alizadeh B. Z.;Amin N.;Bakshi A.;Baumeister S. E.;Biino G.;Bonnelykke K.;Boyle P. A.;Campbell H.;Cappuccio F. P.;Davies G.;De Neve J. -E.;Deloukas P.;Demuth I.;Ding J.;Eibich P.;Eisele L.;Eklund N.;Evans D. M.;Faul J. D.;Feitosa M. F.;Forstner A. J.;Gandin I.;Gunnarsson B.;Halldorsson B. V.;Harris T. B.;Heath A. C.;Hocking L. J.;Holliday E. G.;Homuth G.;Horan M. A.;Hottenga J. -J.;de Jager P. L.;Joshi P. K.;Jugessur A.;Kaakinen M. A.;Kahonen M.;Kanoni S.;Keltigangas-Jarvinen L.;Kiemeney L. A. L. M.;Kolcic I.;Koskinen S.;Kraja A. T.;Kroh M.;Kutalik Z.;Latvala A.;Launer L. J.;Lebreton M. P.;Levinson D. F.;Lichtenstein P.;Lichtner P.;Liewald D. C. M.;Loukola A.;Madden P. A.;Magi R.;Maki-Opas T.;Marioni R. E.;Marques-Vidal P.;Meddens G. A.;McMahon G.;Meisinger C.;Meitinger T.;Milaneschi Y.;Milani L.;Montgomery G. W.;Myhre R.;Nelson C. P.;Nyholt D. R.;Ollier W. E. R.;Palotie A.;Paternoster L.;Pedersen N. L.;Petrovic K. E.;Raikkonen K.;Ring S. M.;Robino A.;Rostapshova O.;Rudan I.;Rustichini A.;Salomaa V.;Sanders A. R.;Sarin A. -P.;Schmidt H.;Scott R. J.;Smith B. H.;Smith J. A.;Staessen J. A.;Steinhagen-Thiessen E.;Strauch K.;Terracciano A.;Tobin M. D.;Ulivi S.;Vaccargiu S.;Quaye L.;van Rooij F. J. A.;Venturini C.;Vinkhuyzen A. A. E.;Volker U.;Volzke H.;Vonk J. M.;Vozzi D.;Waage J.;Ware E. B.;Willemsen G.;Attia J. R.;Bennett D. A.;Berger K.;Bertram L.;Bisgaard H.;Boomsma D. I.;Borecki I. B.;Bultmann U.;Chabris C. F.;Cucca F.;Cusi D.;Deary I. J.;Dedoussis G. V.;van Duijn C. M.;Eriksson J. G.;Franke B.;Franke L.;Gasparini P.;Gejman P. V.;Gieger C.;Grabe H. -J.;Gratten J.;Groenen P. J. F.;Gudnason V.;van der Harst P.;Hoffmann W.;Hypponen E.;Iacono W. G.;Jacobsson B.;Jarvelin M. -R.;Jockel K. -H.;Kaprio J.;Kardia S. L. R.;Lehtimaki T.;Lehrer S. F.;Martin N. G.;McGue M.;Metspalu A.;Pendleton N.;Penninx B. W. J. H.;Perola M.;Pirastu N.;Pirastu M.;Polasek O.;Posthuma D.;Power C.;Province M. A.;Samani N. J.;Schlessinger D.;Schmidt R.;Sorensen T. I. A.;Spector T. D.;Stefansson K.;Thorsteinsdottir U.;Thurik A. R.;Timpson N. J.;Tiemeier H.;Uitterlinden A. G.;Vitart V.;Vollenweider P.;Weir D. R.;Wilson J. F.;Wright A. F.;Conley D. C.;Krueger R. F.;Smith G. D.;Hofman A.;Laibson D. I.;Medland S. E.;Yang J.;Esko T.;Watson C.;Jala J.;Conley D.;Koellinger P. D.;Johannesson M.;Meyer M. N.;Lee J. J.;Kong A.;Yengo L.;Cesarini D.;Turley P.;Visscher P. M.;Beauchamp J. P.;Benjamin D. J.;Young A. I.
2022-01-01
Abstract
We conduct a genome-wide association study (GWAS) of educational attainment (EA) in a sample of ~3 million individuals and identify 3,952 approximately uncorrelated genome-wide-significant single-nucleotide polymorphisms (SNPs). A genome-wide polygenic predictor, or polygenic index (PGI), explains 12–16% of EA variance and contributes to risk prediction for ten diseases. Direct effects (i.e., controlling for parental PGIs) explain roughly half the PGI’s magnitude of association with EA and other phenotypes. The correlation between mate-pair PGIs is far too large to be consistent with phenotypic assortment alone, implying additional assortment on PGI-associated factors. In an additional GWAS of dominance deviations from the additive model, we identify no genome-wide-significant SNPs, and a separate X-chromosome additive GWAS identifies 57.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11388/346509
Citazioni
ND
495
485
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
