The genetics of <scp>P</scp>arkinson's disease: Progress and therapeutic implications
Notice bibliographique
Résumé
The past 15 years has witnessed tremendous progress in our understanding of the genetic basis for Parkinson's disease (PD). Notably, whereas most mutations, such as those in SNCA, PINK1, PARK2, PARK7, PLA2G6, FBXO7, and ATP13A2, are a rare cause of disease, one particular mutation in LRRK2 has been found to be common in certain populations. There has been considerable progress in finding risk loci. To date, approximately 16 such loci exist; notably, some of these overlap with the genes known to contain disease-causing mutations. The identification of risk alleles has relied mostly on the application of revolutionary technologies; likewise, second-generation sequencing methods have facilitated the identification of new mutations in PD. These methods will continue to provide novel insights into PD. The utility of genetics in therapeutics relies primarily on leveraging findings to understand the pathogenesis of PD. Much of the investigation into the biology underlying PD has used these findings to define a pathway, or pathways, to pathogenesis by trying to fit disparate genetic defects onto the same network. This work has had some success, particularly in the context of monogenic disease, and is beginning to provide clues about potential therapeutic targets. Approaches toward therapies are also being provided more directly by genetics, notably by the reduction and clearance of alpha-synuclein and inhibition of Lrrk2 kinase activity. We believe this has been an exciting, productive time for PD genetics and, furthermore, that genetics will continue to drive the etiologic understanding and etiology-based therapeutic approaches in this disease.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».