Maschinelles Lernen treibt die genetische Entdeckung von Binge-Eating-Störungen voran
Psychiatrische Genetik
Nature Genetics (2023)Diesen Artikel zitieren
Details zu den Metriken
Die Identifizierung genetischer Risikofaktoren für die Binge-Eating-Störung (BED) ist von entscheidender Bedeutung, um deren Ätiologie zu verstehen und wirksame Präventions- und Interventionsstrategien zu entwickeln. Um die unzureichende Berichterstattung über die klinische BED-Diagnose zu überwinden, nutzt eine neue Studie maschinelles Lernen, um genetische Varianten zu identifizieren, die mit quantitativen BED-Risikoscores verbunden sind, und findet Hinweise auf eine pathologische Rolle des Hämstoffwechsels.
Die Binge-Eating-Störung (BED) ist die häufigste Essstörung und zeichnet sich durch regelmäßigen Verlust der Kontrolle über das Essen, übermäßigen Nahrungskonsum, psychische Belastung und das Fehlen kompensatorischer Verhaltensweisen aus1. Es handelt sich um eine neue Diagnose, die im DSM-5 hinzugefügt wurde. Folglich wird BED unterdiagnostiziert, es wurden keine großen Fall-Kontroll-Kohorten eingerichtet und aus Biobanken können nur wenige Fälle identifiziert werden – die Prävalenz von BED aus elektronischen Gesundheitsakten im Million Veterans Program (MVP) betrug 0,1 %2 und liegt damit deutlich darunter die geschätzte Lebenszeitprävalenz liegt zwischen 1 und 3 %3,4. Bisher wurden keine groß angelegten genomweiten Assoziationsstudien (GWAS) von BED durchgeführt und die genetische Architektur der Störung ist weitgehend unbekannt. In dieser Ausgabe von Nature Genetics gehen Burstein et al.2 die Unterdiagnose von BED an, indem sie mithilfe maschinellen Lernens einen Proxy-BED-Phänotyp im MVP ableiten, um die Stichprobengröße zu erhöhen und ein leistungsstarkes GWAS durchzuführen.
Dies ist eine Vorschau der Abonnementinhalte, Zugriff über Ihre Institution
Greifen Sie auf Nature und 54 weitere Nature Portfolio-Zeitschriften zu
Holen Sie sich Nature+, unser preisgünstigstes Online-Zugangsabonnement
29,99 $ / 30 Tage
jederzeit kündigen
Abonnieren Sie diese Zeitschrift
Erhalten Sie 12 gedruckte Ausgaben und Online-Zugriff
189,00 $ pro Jahr
nur 15,75 $ pro Ausgabe
Leihen oder kaufen Sie diesen Artikel
Die Preise variieren je nach Artikeltyp
ab 1,95 $
bis 39,95 $
Die Preise können örtlicher Steuern unterliegen, die beim Bezahlvorgang berechnet werden
Amerikanische Psychiatrie-Vereinigung. Diagnostisches und statistisches Handbuch für psychische Störungen: DSM-5 Vol. 5 (2013).
Burstein, D. et al. Nat. Genet. https://doi.org/10.1038/s41588-023-01464-1 (2023).
Artikel Google Scholar
Brownley, KA et al. Ann. Praktikant. Med. 165, 409–420 (2016).
Artikel PubMed PubMed Central Google Scholar
Central Rahkonen, A. Curr. Ich habe gelernt. Psychiatrie 34, 525–531 (2021).
Artikel PubMed Google Scholar
Hübel, C. et al. Int. J. Essen. Unordnung. 54, 785–793 (2021).
Artikel PubMed PubMed Central Google Scholar
Grotzinger, AD et al. Nat. Summen. Verhalten. 3, 513–525 (2019).
Artikel PubMed PubMed Central Google Scholar
Qiu, J., Lian, F. & Fang, X. Front. Nutr. 9, 1084860 (2022).
Artikel PubMed PubMed Central Google Scholar
Heidari, M. et al. Mol. Psychiatrie 21, 1599–1607 (2016).
Artikel CAS PubMed PubMed Central Google Scholar
Lotan, A. et al. Mol. Psychiatrie https://doi.org/10.1038/s41380-023-01979-3 (2023).
Artikel PubMed Google Scholar
McAllum, E.J. et al. Neurobiol Prog. 186, 101744 (2020).
Artikel CAS PubMed Google Scholar
Connor, JR & Menzies, SL Glia 17, 83–93 (1996).
3.0.CO;2-7" data-track-action="article reference" href="https://doi.org/10.1002%2F%28SICI%291098-1136%28199606%2917%3A2%3C83%3A%3AAID-GLIA1%3E3.0.CO%3B2-7" aria-label="Article reference 11" data-doi="10.1002/(SICI)1098-1136(199606)17:23.0.CO;2-7">Artikel CAS PubMed Google Scholar
Referenzen herunterladen
Diese Autoren haben gleichermaßen beigetragen: Jackson G. Thorp, Zachary F. Gerring.
Labor für translationale Neurogenomik, QIMR Berghofer Medical Research Institute, Brisbane, Queensland, Australien
Jackson G. Thorp, Zachary F. Gerring und Eske M. Derks
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Korrespondenz mit Eske M. Derks.
Die Autoren berichten von keinen konkurrierenden Interessen.
Nachdrucke und Genehmigungen
Thorp, JG, Gerring, ZF & Derks, EM Maschinelles Lernen treibt die genetische Entdeckung von Binge-Eating-Störungen voran. Nat Genet (2023). https://doi.org/10.1038/s41588-023-01473-0
Zitat herunterladen
Veröffentlicht: 07. August 2023
DOI: https://doi.org/10.1038/s41588-023-01473-0
Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:
Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.
Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt