BBS Mutational Analysis: A Strategic Approach
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
BACKGROUND: Bardet-Biedl syndrome (BBS, OMIM 209900) is a rare autosomal recessive, clinically and genetically heterogeneous disorder with 15 genes identified. The large amount of coding sequence challenges the cost effectiveness of mutational analysis of BBS. MATERIAL AND METHODS: We present our mutational analysis experience (83 BBS families) in the context of the literature published up to September 2010, to provide a comprehensive tabulation of all BBS1-BBS12 mutant alleles and optimize a screening approach. RESULTS: We identified two BBS disease alleles in 76% of probands. Together BBS1, BBS2, BBS10 and BBS12 account for 82.4% of published unrelated alleles. On average 82% of published alleles are private. The 267 published principal mutations were positioned and analysis of their distribution allowed the design of a mutation screening strategy. Starting by screening for recurrent mutations, for example BBS1 M390R (10% of our cohort) and BBS10 C91LfsX5 (6% of our cohort), allowed a capture of 23.5% of the principal mutated alleles. Following a hierarchy of frequently involved exons, subsequent sequencing of the 4 most commonly involved genes, BBS1, BBS10, BBS2 and BBS12 could bring this mutation detection to at least 62%. The 16 most frequently recurring alleles could be identified with the use of simple screening methods such as restriction enzyme digest and ARMS assay and require sequencing in only a few instances. CONCLUSION: Our results suggest that mutational analysis of such a "rare" genetically heterogeneous condition benefits from pooling of data. This allows the development of efficient and cost-conscious screening mutational analysis strategies.
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 | 0,000 | 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 découle