Genetic and Clinical Features of Progranulin-Associated Frontotemporal Lobar Degeneration
Notice bibliographique
Résumé
OBJECTIVE: To assess the relative frequency of unique mutations and their associated characteristics in 97 individuals with mutations in progranulin (GRN), an important cause of frontotemporal lobar degeneration (FTLD). PARTICIPANTS AND DESIGN: A 46-site International Frontotemporal Lobar Degeneration Collaboration was formed to collect cases of FTLD with TAR DNA-binding protein of 43-kDa (TDP-43)-positive inclusions (FTLD-TDP). We identified 97 individuals with FTLD-TDP with pathogenic GRN mutations (GRN+ FTLD-TDP), assessed their genetic and clinical characteristics, and compared them with 453 patients with FTLD-TDP in which GRN mutations were excluded (GRN- FTLD-TDP). No patients were known to be related. Neuropathologic characteristics were confirmed as FTLD-TDP in 79 of the 97 GRN+ FTLD-TDP cases and all of the GRN- FTLD-TDP cases. RESULTS: Age at onset of FTLD was younger in patients with GRN+ FTLD-TDP vs GRN- FTLD-TDP (median, 58.0 vs 61.0 years; P < .001), as was age at death (median, 65.5 vs 69.0 years; P < .001). Concomitant motor neuron disease was much less common in GRN+ FTLD-TDP vs GRN- FTLD-TDP (5.4% vs 26.3%; P < .001). Fifty different GRN mutations were observed, including 2 novel mutations: c.139delG (p.D47TfsX7) and c.378C>A (p.C126X). The 2 most common GRN mutations were c.1477C>T (p.R493X, found in 18 patients, representing 18.6% of GRN cases) and c.26C>A (p.A9D, found in 6 patients, representing 6.2% of cases). Patients with the c.1477C>T mutation shared a haplotype on chromosome 17; clinically, they resembled patients with other GRN mutations. Patients with the c.26C>A mutation appeared to have a younger age at onset of FTLD and at death and more parkinsonian features than those with other GRN mutations. CONCLUSION: GRN+ FTLD-TDP differs in key features from GRN- FTLD-TDP.
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 | 0,001 |
| 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 ».