MG-129 Our experience of<i>in silico</i>gene panel testing for clinically heterogeneous disorders using exome sequencing
Notice bibliographique
Résumé
<h3>Background</h3> The implementation of next generation sequencing technology (NGS) in a molecular diagnostics laboratory has resulted in a major transformation in service delivery. The ability to generate accurate sequence data from thousands of genes in a single experiment has facilitated the development of comprehensive gene panel tests for genetically heterogeneous disorders. Previous methodology of gene panel testing included Sanger sequencing, which was time-consuming, labour-intensive and costly and therefore restricted the number of genes that were included in a panel. <h3>Methods/results</h3> At The Hospital for Sick Children (Toronto, Canada), we have developed and clinically validated <i>in silico</i> gene panels using whole exome sequencing (WES) for several heterogeneous disorders including hereditary spastic paraplegia (HSP), connective tissue and bone disorders (CT), hereditary hearing loss (HL), Noonan syndrome (NS) and autoimmune disorders (AI). Our laboratory’s current strategy of using WES has several advantages including: (1) standardised workflows that facilitate the development of additional gene panels; (2) expansion of current gene panel as new disease associations are discovered; and (3) building of an internal database of allele frequencies to aid in interpretation of variants. Through our validation studies we have shown high reproducibility and accuracy with >99% sensitivity for detection of single nucleotide variants (SNVs) and >95% for detection of small insertion/deletions (indels). <h3>Conclusions</h3> NGS technologies have enabled our laboratory to expand our testing menu to include genes that comprise part of the differential diagnoses for several disorders which will lead to improved detection rates, increased genetic diagnoses and ultimately better clinical 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 | 0,002 |
| 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 ».