A Genetic Predictive Model for Canine Hip Dysplasia: Integration of Genome Wide Association Study (GWAS) and Candidate Gene Approaches
Notice bibliographique
Résumé
Canine hip dysplasia is one of the most prevalent developmental orthopedic diseases in dogs worldwide. Unfortunately, the success of eradication programs against this disease based on radiographic diagnosis is low. Adding the use of diagnostic genetic tools to the current phenotype-based approach might be beneficial. The aim of this study was to develop a genetic prognostic test for early diagnosis of hip dysplasia in Labrador Retrievers. To develop our DNA test, 775 Labrador Retrievers were recruited. For each dog, a blood sample and a ventrodorsal hip radiograph were taken. Dogs were divided into two groups according to their FCI hip score: control (A/B) and case (D/E). C dogs were not included in the sample. Genetic characterization combining a GWAS and a candidate gene strategy using SNPs allowed a case-control population association study. A mathematical model which included 7 SNPs was developed using logistic regression. The model showed a good accuracy (Area under the ROC curve = 0.85) and was validated in an independent population of 114 dogs. This prognostic genetic test represents a useful tool for choosing the most appropriate therapeutic approach once genetic predisposition to hip dysplasia is known. Therefore, it allows a more individualized management of the disease. It is also applicable during genetic selection processes, since breeders can benefit from the information given by this test as soon as a blood sample can be collected, and act accordingly. In the authors' opinion, a shift towards genomic screening might importantly contribute to reducing canine hip dysplasia in the future. In conclusion, based on genetic and radiographic information from Labrador Retrievers with hip dysplasia, we developed an accurate predictive genetic test for early diagnosis of hip dysplasia in Labrador Retrievers. However, further research is warranted in order to evaluate the validity of this genetic test in other dog breeds.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».