The Search for Genetic Modifiers of Disease Severity in the -Hemoglobinopathies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sickle cell disease (SCD) and β-thalassemia, two monogenic diseases caused by mutations in the β-globin gene, affect millions of individuals worldwide. These hemoglobin disorders are characterized by extreme clinical heterogeneity, complicating patient management and treatment. A better understanding of this patient-to-patient clinical variability would dramatically improve care and might also guide the development of novel therapies. Studies of the natural history of these β-hemoglobinopathies have identified fetal hemoglobin levels and concomitant α-thalassemia as important modifiers of disease severity. Several small-scale studies have attempted to identify additional genetic modifiers of SCD and β-thalassemia, without much success. Fortunately, improved knowledge of the human genome and the development of new genomic tools, such as genome-wide genotyping arrays and next-generation DNA sequencers, offer new opportunities to use genetics to better understand the causes of the many complications observed in β-hemoglobinopathy patients. Here I discuss the most important factors to consider when planning an experiment to find associations between β-hemoglobinopathy-related complications and DNA sequence variants, with a focus on how to successfully perform a genome-wide association study. I also review the literature and explain why most published findings in the field of SCD modifier genetics are likely to be false-positive reports, with the goal to draw lessons allowing investigators to design better genetic experiments.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle