Hereditary haemorrhagic telangiectasia: mutation detection, test sensitivity and novel mutations
Notice bibliographique
Résumé
BACKGROUND: Hereditary haemorrhagic telangiectasia (HHT) is a genetic disorder present in 1 in 8000 people and associated with arteriovenous malformations. Genetic testing can identify individuals at risk of developing the disease and is a useful diagnostic tool. OBJECTIVE: To present a strategy for mutation detection in families clinically diagnosed with HHT. METHODS: An optimised strategy for detecting mutations that predispose to HHT is presented. The strategy includes quantitative multiplex polymerase chain reaction, sequence analysis, RNA analysis, validation of missense mutations by amino acid conservation analysis for the ENG (endoglin) and ACVRL1 (ALK1) genes, and analysis of an ACVRL1 protein structural model. If no causative ENG or ACVRL1 mutation is found, proband samples are referred for sequence analysis of MADH4 (associated with a combined syndrome of juvenile polyposis and HHT). RESULTS: Data obtained over the past eight years were summarised and 16 novel mutations described. Mutations were identified in 155 of 194 families with a confirmed clinical diagnosis (80% sensitivity). Of 155 mutations identified, 94 were in ENG (61%), 58 in ACVRL1 (37%), and three in MADH4 (2%). CONCLUSIONS: For most missense variants of ENG and ACVRL1 reported to date, study of amino acid conservation showed good concordance between prediction of altered protein function and disease occurrence. The 39 families (20%) yet to be resolved may carry ENG, ACVRL1, or MADH4 mutations too complex or difficult to detect, or mutations in genes yet to be identified.
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 ».