Improving diagnostic precision, care and syndrome definitions using comprehensive next-generation sequencing for the inherited bone marrow failure syndromes
Notice bibliographique
Résumé
BACKGROUND: Phenotypic overlap among the inherited bone marrow failure syndromes (IBMFSs) frequently limits the ability to establish a diagnosis based solely on clinical features. >70 IBMFS genes have been identified, which often renders genetic testing prolonged and costly. Since correct diagnosis, treatment and cancer surveillance often depend on identifying the mutated gene, strategies that enable timely genotyping are essential. METHODS: To overcome these challenges, we developed a next-generation sequencing assay to analyse a panel of 72 known IBMFS genes. Cases fulfilling the clinical diagnostic criteria of an IBMFS but without identified causal genotypes were included. RESULTS: The assay was validated by detecting 52 variants previously found by Sanger sequencing. A total of 158 patients with unknown mutations were studied. Of 75 patients with known IBMFS categories (eg, Fanconi anaemia), 59% had causal mutations. Among 83 patients with unclassified IBMFSs, we found causal mutations and established the diagnosis in 18% of the patients. The assay detected mutant genes that had not previously been reported to be associated with the patient phenotypes. In other cases, the assay led to amendments of diagnoses. In 20% of genotype cases, the results indicated a cancer surveillance programme. CONCLUSIONS: The novel assay is efficient, accurate and has a major impact on patient care.
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 | 0,007 |
| 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 | 0,001 |
| 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 ».