Analysis of Plasminogen Genetic Variants in Multiple Sclerosis Patients
Notice bibliographique
Résumé
Multiple sclerosis (MS) is a prevalent neurological disease of complex etiology. Here, we describe the characterization of a multi-incident MS family that nominated a rare missense variant (p.G420D) in plasminogen (PLG) as a putative genetic risk factor for MS. Genotyping of PLG p.G420D (rs139071351) in 2160 MS patients, and 886 controls from Canada, identified 10 additional probands, two sporadic patients and one control with the variant. Segregation in families harboring the rs139071351 variant, identified p.G420D in 26 out of 30 family members diagnosed with MS, 14 unaffected parents, and 12 out of 30 family members not diagnosed with disease. Despite considerably reduced penetrance, linkage analysis supports cosegregation of PLG p.G420D and disease. Genotyping of PLG p.G420D in 14446 patients, and 8797 controls from Canada, France, Spain, Germany, Belgium, and Austria failed to identify significant association with disease (P = 0.117), despite an overall higher prevalence in patients (OR = 1.32; 95% CI = 0.93-1.87). To assess whether additional rare variants have an effect on MS risk, we sequenced PLG in 293 probands, and genotyped all rare variants in cases and controls. This analysis identified nine rare missense variants, and although three of them were exclusively observed in MS patients, segregation does not support pathogenicity. PLG is a plausible biological candidate for MS owing to its involvement in immune system response, blood-brain barrier permeability, and myelin degradation. Moreover, components of its activation cascade have been shown to present increased activity or expression in MS patients compared to controls; further studies are needed to clarify whether PLG is involved in MS susceptibility.
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 ».