Copy-Number Variation Genotyping of GSTT1 and GSTM1 Gene Deletions by Real-Time PCR
Notice bibliographique
Résumé
BACKGROUND: Structural variation in the human genome is increasingly recognized as being highly prevalent and having relevance to common human diseases. Array-based comparative genome-hybridization technology can be used to determine copy-number variation (CNV) across entire genomes, and quantitative PCR (qPCR) can be used to validate de novo variation or assays of common CNV in disease-association studies. Analysis of large qPCR data sets can be complicated and time-consuming, however. METHODS: We describe qPCR assays for GSTM1 (glutathione S-transferase mu 1) and GSTT1 (glutathione S-transferase theta 1) gene deletions that can genotype up to 192 samples in duplicate 5-microL reaction volumes in <2 h on the ABI Prism 7900HT Sequence Detection System. To streamline data handling and analysis of these CNVs by qPCR, we developed a novel interactive, macro-driven Microsoft Excel(R) spreadsheet. As proof of principle, we used our software to analyze CNV data for 1478 DNA samples from a family-based cohort. RESULTS: With only 8 ng of DNA template, we assigned CNV genotypes (i.e., 2, 1, or 0 copies) to either 96% (GSTM1) or 91% (GSTT1) of all DNA samples in a single round of PCR amplification. Genotyping accuracy, as ascertained by familial inheritance, was >99.5%, and independent genotype assignments with replicate real-time PCR runs were 100% concordant. CONCLUSIONS: The genotyping assay for GSTM1 and GSTT1 gene deletion is suitable for large genetic epidemiologic studies and is a highly effective analysis system that is readily adaptable to analysis of other CNVs. .
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 ».