The Role of Molecular Genetic Analysis in the Diagnosis of Primary Ciliary Dyskinesia
Notice bibliographique
Résumé
RATIONALE: Primary ciliary dyskinesia (PCD) is an autosomal recessive genetic disorder of motile cilia. The diagnosis of PCD has previously relied on ciliary analysis with transmission electron microscopy or video microscopy. However, patients with PCD may have normal ultrastructural appearance, and ciliary analysis has limited accessibility. Alternatively, PCD can be diagnosed by demonstrating biallelic mutations in known PCD genes. Genetic testing is emerging as a diagnostic tool to complement ciliary analysis where interpretation and access may delay diagnosis. OBJECTIVES: To determine the diagnostic yield of genetic testing of patients with a confirmed or suspected diagnosis of PCD in a multiethnic urban center. METHODS: Twenty-eight individuals with confirmed PCD on transmission electron microscopy of ciliary ultrastructure and 24 individuals with a probable diagnosis of PCD based on a classical PCD phenotype and low nasal nitric oxide had molecular analysis of 12 genes associated with PCD. RESULTS: Of 49 subjects who underwent ciliary biopsy, 28 (57%) were diagnosed with PCD through an ultrastructural defect. Of the 52 individuals who underwent molecular genetic analysis, 22 (42%) individuals had two mutations in known PCD genes. Twenty-four previously unreported mutations in known PCD genes were observed. Combining both diagnostic modalities of biopsy and molecular genetics, the diagnostic yield increased to 69% compared with 57% based on biopsy alone. CONCLUSIONS: The diagnosis of PCD is challenging and has traditionally relied on ciliary biopsy, which is unreliable as the sole criterion for a definitive diagnosis. Molecular genetic analysis can be used as a complementary test to increase the diagnostic yield.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».