The proportion of mutations predicted to have a deleterious effect differs between gain and loss of function genes in neurodegenerative disease
Notice bibliographique
Résumé
As more studies are turning to bioinformatic prediction programs to assess the potential impact of amino acid substitutions, it is relevant to evaluate the prediction results these programs give in genes that have been well-characterized for Mendelian diseases. Eight genes responsible for neurodegenerative disease with many identified mutations were sub-grouped into those that either have a gain or loss of function disease mechanism. Three prediction programs, PolyPhen, Panther and SIFT, were queried for the reported missense mutations. The mean percent of benign mutations was significantly higher in gain of function genes using the PolyPhen program (38% versus 21%, p=0.007). The probability that a gain of function mutation was predicted to have a damaging role was also significantly less using the Panther program (p=4.86x10(-12)). In contrast, there was no difference between gain and loss of function gene when the SIFT program was used. However, the most accurate distinction between gain and loss of function genes could be obtained when considering the mutations for which all three programs predicted the same result. Further, stratification of SOD1 mutations indicated that only the PolyPhen program could distinguish mutations that impaired enzymatic activity of SOD1 from those with near wildtype activity. The profile of benign and damaging changes from these genes will aid in the interpretation of bioinformatic prediction program results from missense mutations identified in novel genes.
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) | 0,000 | 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 ».