Genetic susceptibility to heart disease in Canada: lessons from patients with familial hypercholesterolemia
Notice bibliographique
Résumé
Much of the recent progress in treating patients with heart disease due to narrowed coronary arteries has resulted from studying disease evolution in patients with rare monogenic forms of disease. For instance, autosomal dominant familial hypercholesterolemia (FH, MIM (Mendelian Inheritance in Man) 143890) typically results from heterozygous mutations in LDLR encoding the low-density lipoprotein (LDL) receptor. Deficient LDLR activity results in elevated circulating LDL cholesterol, which accumulates within blood vessel walls, forming arterial plaques that can grow and eventually occlude the arterial lumen. Heterozygous LDLR mutations are usually detected using exon-by-exon sequence analysis (EBESA) of genomic DNA, a technology that has identified approximately 50 mutations in heterozygous FH (HeFH) subjects in Ontario. However, approximately 35% of Ontario HeFH patients had no EBESA-identified LDLR mutation. The diagnostic gap relates both to the genetic heterogeneity of FH and also to inadequate sensitivity of EBESA to detect certain mutation types, such as large deletions or insertions in LDLR. By means of a dedicated method to detect copy number variations (CNVs), additional heterozygous mutations in LDLR ranging from approximately 500 to >15 000 bases were uncovered, accounting for most of the remainder of Ontario HeFH patients. The appreciation of the key role of genomic CNVs in disease coincides with recent genome-wide mapping studies demonstrating that CNVs are common in apparently healthy people. CNVs thus represent a new level of genomic variation that is both an important mechanism of monogenic disease and a contributor to genomic variation in the general population; as well, it may have implications for evolution, biology, and possibly susceptibility to common complex diseases.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».