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

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