MétaCan
Menu
Retour à la cohorte
Enregistrement W2409728044 · doi:10.1136/jmedgenet-2015-103578.31

MG-132 Diagnostic utility of whole genome sequencing in paediatric medicine

2015· article· en· W2409728044 sur OpenAlexaff
Christian R. Marshall, Dimitri J. Stavropoulos, Rebekah Jobling, Daniele Merico, Sarah Bowdin, Nasim Monfared, MStephen Meyn, Michael J. Szego, Randi Zlotnik Shaul, Bhooma Thiruvahindrapuram, Giovanna Pellecchia, Thomas Nalpathamkalam, Michael Brudno, Marta Gîrdea, Robin Z. Hayeems, Chris Carew, Raith Erickson, Richard A. Leach, Cheryl Shuman, Peter N. Ray, Ronald D. Cohn, Stephen W. Scherer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensUniversity of TorontoInstitute for Clinical Evaluative SciencesSickKids FoundationHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésIndelWhole genome sequencingGenetic testingMedical geneticsMedicineHuman geneticsDiagnostic testGeneticsComputational biologyCopy-number variationBioinformaticsGenomeBiologyGenePediatricsGenotypeSingle-nucleotide polymorphism

Résumé

récupéré en direct d'OpenAlex

Background Chromosome microarray analysis (CMA) is the current first-tier clinical investigation for paediatric patients with congenital malformations and/or neurodevelopmental disorders. Whole genome sequencing (WGS) promises to capture all classes of genetic variation in a single experiment, but the diagnostic yield of WGS compared to CMA in the clinical setting has not been established. Objectives The purpose of the study was to compare the diagnostic yield of WGS with CMA and other targeted sequence analysis. Methods Through the SickKids genome clinic 100 consecutive patients undergoing CMA were recruited and WGS was performed to compare diagnostic yield. Results WGS identified variants meeting clinical diagnostic criteria in 32% of cases, representing a 4-fold increase in diagnostic rate over CMA (8%) alone and > 2-fold increase in CMA plus targeted sequence testing (15%). WGS identified all reportable rare CNVs that were detected by CMA. In an additional 27 patients, WGS revealed clinically significant SNV and indel mutations presenting in a dominant (72%) or a recessive (28%) manner. Four cases had variants in at least two genes involved in distinct genetic disorders, contributing to a more complex clinical phenotype. Conclusions Our data indicate that WGS is highly accurate and efficient, providing a diagnosis in 32% paediatric patients that meet clinical criteria for CMA. Clinical implementation of WGS as a single and primary molecular test will provide a higher diagnostic yield than conventional testing while decreasing the number of genetic tests and ultimately the time before reaching a genetic diagnosis.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,252
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGenomics and Rare DiseasesTravaux en français237 207