Genetic bases of hypertriglyceridemic phenotypes
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Hypertriglyceridemia (HTG) is a common diagnosis. Although secondary factors are important for clinical expression, susceptibility to HTG has a strong genetic component, which we review here. RECENT FINDINGS: Severe HTG in a few families follows Mendelian - typically autosomal recessive - inheritance of rare loss-of-function mutations in genes such as LPL, APOC2, APOA5, LMF1, and GPIHBP1. In contrast, common complex HTG results from the cumulative influence of small-effect variants (single nucleotide polymorphisms) in genes such as APOA5, GCKR, LPL, and APOB. Intensive resequencing of these four genes has also shown accumulated heterozygous rare variants in HTG patients. Together, more than 20% of the susceptibility to HTG is now accounted for by common and rare variants. Further, classical Fredrickson HTG phenotypes, which were once considered to be distinct based on biochemical features, have a shared genetic architecture. SUMMARY: Compared to other complex traits, genetic variants account for a high proportion of HTG diagnoses. By tallying the number of HTG risk alleles, it is possible to discriminate between individuals with HTG and normolipidemia, particularly in those with extreme scores. Future directions include finding the missing genetic component and determining whether genetic profiling can help with diagnosis or personalized treatment advice.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
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 ».