Copy number variation in metabolic phenotypes
Notice bibliographique
Résumé
Despite successes in identifying genetic contributors to common metabolic phenotypes, only part of the heritable component of these traits has thus far been explained. Copy number variation (CNV) is likely to be responsible for some of the unexplained variation. As observed with single nucleotide changes, it is probable that both rare and common CNVs will contribute to susceptibility to metabolic disease. For instance, CNVs in the LDLR gene underlie a substantial portion of disease in patients with heterozygous familial hypercholesterolemia. As well, a common CNV in LPA encoding apolipoprotein(a) is the primary determinant of plasma lipoprotein(a) concentrations, a risk factor for atherosclerosis. Recent efforts to map CNVs in control populations have defined their size, frequency and distribution. Many of the identified CNVs overlap genes with important functions in metabolic pathways. The overlap of CNVs that were found in control datasets with functional candidate genes or genes with previous evidence of association with metabolic syndrome presents an important subset for future CNV association studies. Finally, we describe an approach to search for CNVs in a rare high-penetrance metabolic disorder, namely lipodystrophy. As methods to identify CNVs increase in precision and accuracy, the prospect of identifying their role in both rare Mendelian and common complex metabolic phenotypes will become a reality.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».