Quantitative magnetic resonance imaging traits as endophenotypes for genetic mapping in epilepsy
Notice bibliographique
Résumé
Over the last decade, the field of imaging genomics has combined high-throughput genotype data with quantitative magnetic resonance imaging (QMRI) measures to identify genes associated with brain structure, cognition, and several brain-related disorders. Despite its successful application in different psychiatric and neurological disorders, the field has yet to be advanced in epilepsy. In this article we examine the relevance of imaging genomics for future genetic studies in epilepsy from three perspectives. First, we discuss prior genome-wide genetic mapping efforts in epilepsy, considering the possibility that some studies may have been constrained by inherent theoretical and methodological limitations of the genome-wide association study (GWAS) method. Second, we offer a brief overview of the imaging genomics paradigm, from its original inception, to its role in the discovery of important risk genes in a number of brain-related disorders, and its successful application in large-scale multinational research networks. Third, we provide a comprehensive review of past studies that have explored the eligibility of brain QMRI traits as endophenotypes for epilepsy. While the breadth of studies exploring QMRI-derived endophenotypes in epilepsy remains narrow, robust syndrome-specific neuroanatomical QMRI traits have the potential to serve as accessible and relevant intermediate phenotypes for future genetic mapping efforts in epilepsy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».