Causal Inference and Structure Learning of Genotype–Phenotype Networks Using Genetic Variation

Ribeiro, Adele; Soler, Júlia Maria Pavan; Neto, Elias Chaibub; Fujita, André

doi:10.1007/978-3-319-41279-5_3

Cited by 4 publications

(9 citation statements)

References 99 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Also, by exploiting the concept of Mendelian Randomization, genetic variants can be used as instrumental variables, improving estimation of the causal effects. A detailed exposition on the theory behind Mendelian Randomization and the use of genetic variants as instrumental variables for learning causal models can be found at Ribeiro et al (2016).…”

Section: Discussion and Perspectives For Future Workmentioning

confidence: 99%

“…• A book chapter describing the main concepts of the Pearl's theory of causation and algorithms for learning genotype-phenotype networks using genetic variants was published by Springer and available at http://www.springer.com/br/book/9783319412788 (Ribeiro et al, 2016).…”

Section: Contributionsmentioning

confidence: 99%

“…These properties are described in the next sections. An exposition on that theory can be found at Ribeiro et al (2016).…”

Section: Probabilistic Graphical Models -A Bit Of Theorymentioning

confidence: 99%

See 2 more Smart Citations

Identification of causality in genetics and neuroscience

Ribeiro¹

View full text Add to dashboard Cite

Section: Discussion and Perspectives For Future Workmentioning

confidence: 99%

Section: Contributionsmentioning

confidence: 99%

See 1 more Smart Citation

Identification of causality in genetics and neuroscience

Ribeiro¹

View full text Add to dashboard Cite

“…. Dado que não se tem os conjuntos de pais (o que significaria conhecer o DAG), o PC Algorithm assegura que as seguintes independências condicionais sejam testadas: (Ribeiro et al, 2016).…”

Section: Aprendizado De Modelos De Grafos Direcionadosunclassified

“…Combinando elementos das duas metodologias é possível usar uma linguagem matemática intuitiva e rigorosa para inferência causal (Ribeiro et al, 2016).…”

Section: Aprendizado De Modelos De Grafos Direcionadosunclassified

Aprendizado de estruturas de dependência entre fenótipos da síndrome metabólica em estudos genômicos

Wilk¹

View full text Add to dashboard Cite

Ao meu marido Marcelo, por acreditar e afirmar que eu chegaria lá. Aos meus filhos, Felipe e Beatriz, por me apoiarem, entenderem e incentivarem diariamente. Aos meus pais Joseph e Diana, que sempre me apoiaram, desde o início dessa jornada. À minha irmã Helen, meu cunhado Júlio e meu sobrinho Ilan por me apoiarem, mesmo que à distância, todos os dias. À família Wilk, Clarice, Henry, Ricardo, Eduardo, Luciana e Rafael pelo suporte emocional em todos os momentos. Ao meu orientador, Prof. Gizelton P. Alencar, pela oportunidade de trabalhar neste grupo, por sua disponibilidade e todos os seus ensinamentos. À Prof. Júlia Pavan por seus ensinamentos, pela colaboração, por ter me acolhido desde o início deste projeto e por todo o suporte técnico e emocional. À Adèle Ribeiro pelo desenvolvimento das metodologias, pela implementação computacional das análises realizadas, pelo senso de urgência, pela incansável busca pela perfeição e por sua disponibilidade em todos os momentos. À Dra. Núbia Esteban pelo auxílio na busca de informações relativas aos dados do InCor. Ao amigo Dr. David Schlesinger, pela oportunidade de trabalharmos juntos novamente, pelas discussões sempre construtivas, pelos inputs desde o início do projeto e pelo fundamental auxílio na escolha do projeto. Ao Dr. Alexandre Pereira por sua disponibilidade e pelas rápidas respostas às solicitações. Ao Laboratório de Genética e Cardiologia Molecular pelo fornecimento dos dados e, especialmente, à Priscila e Marcelly pelo fornecimento das informações solicitadas. RESUMO Introdução: O número de estudos relacionados à Síndrome Metabólica (SM) vem aumentando nos últimos anos, muitas vezes motivados pelo aumento do número de casos de sobrepeso/obesidade e diabetes Tipo II levando ao desenvolvimento de doenças cardiovasculares e, como consequência, infarto agudo do miocárdio e AVC, dentre outros desfechos desfavoráveis. A SM é uma doença multifatorial composta de cinco características, porém, para que um indivíduo seja diagnosticado com ela, possuir pelo menos três dessas características torna-se condição suficiente. Essas cinco características são: Obesidade visceral, caracterizada pelo aumento da circunferência da cintura, Glicemia de jejum elevada, Triglicérides aumentado, HDLcolesterol reduzido, Pressão Arterial aumentada. Objetivo: Estabelecer a rede de associações entre os fenótipos que compõem a Síndrome Metabólica através do aprendizado de estruturas de dependência, decompor a rede em componentes de correlação genética e ambiental e avaliar o efeito de ajustes por covariáveis e por variantes genéticas exclusivamente relacionadas à cada um dos fenótipos da rede. Material e Métodos: A amostra do estudo corresponderá a 79 famílias da cidade mineira de Baependi, composta por 1666 indivíduos. O aprendizado de estruturas de redes será feito por meio da Teoria de Grafos e Modelos de Equações Estruturais envolvendo o modelo linear misto poligênico para determinar as relações de dependência entre os fenótipos que compõem a Síndrome Metabólica.

show abstract

From Gut to Brain: Evidence for a Causal Contribution of Gut-Microbiota to Major Depressive Disorder in Humans

Fehse,

Ribeiro,

Winter

et al. 2024

Preprint

View full text Add to dashboard Cite

Major Depressive Disorder (MDD) is a highly prevalent, severe mental health condition that constitutes one of the leading causes of disability worldwide. While recent animal studies suggest a causal role of the gut microbiome in the pathophysiology of MDD models, evidence in humans is still unclear due to small sample sizes, inconsistent clinical assessment of MDD diagnosis, and methodological limitations regarding causal inference in cross-sectional data. Here, we explicitly address these shortcomings to investigate the potential causal link between the gut microbiome and MDD: First, we replicate previous findings using one of the largest multicenter MDD cohorts for which microbiome data and in-depth diagnostic assessment are available (N=1,269 MDD patients and controls). We find a significant difference between healthy controls and MDD patients for the relative abundance of the four taxa Eggerthella, Hungatella, Coprobacillus, and Lachnospiraceae FCS020. Second, we employ state-of-the-art, fully data-driven causal inference tools within Judea Pearl's framework, allowing us to derive model constraints from the data rather than relying on potentially strong, unrealistic assumptions. Using this approach, we found data-driven evidence for Eggerthella and Hungatella as causal contributors to MDD. Furthermore, we show that Eggerthella and Hungatella abundances are associated with MDD beyond the influence of body mass index, identifying two distinct pathways linking MDD to the gut microbiome. Finally, the difference in relative abundance of these taxa between healthy and MDD patients was independent of antidepressant medication. Our study provides the first evidence for a potential causal role of gut-microbiota in the pathophysiology of depression in humans.

show abstract

Causal Inference and Structure Learning of Genotype–Phenotype Networks Using Genetic Variation

Cited by 4 publications

References 99 publications

Identification of causality in genetics and neuroscience

Identification of causality in genetics and neuroscience

Aprendizado de estruturas de dependência entre fenótipos da síndrome metabólica em estudos genômicos

From Gut to Brain: Evidence for a Causal Contribution of Gut-Microbiota to Major Depressive Disorder in Humans

Contact Info

Product

Resources

About