Structural modeling of a novel <i><scp>SLC</scp>38A8</i> mutation that causes foveal hypoplasia
Notice bibliographique
Résumé
Abstract Background Foveal hypoplasia ( FH ) in the absence of albinism, aniridia, microphthalmia, or achromatopsia is exceedingly rare, and the molecular basis for the disorder remains unknown. FH is characterized by the absence of both the retinal foveal pit and avascular zone, but with preserved retinal architecture. SLC 38A8 encodes a sodium‐coupled neutral amino acid transporter with a preference for glutamate as a substrate. SLC 38A8 has been linked to FH . Here, we describe a novel mutation to SLC 38A8 which causes FH , and report the novel use of OCT ‐angiography to improve the precision of FH diagnosis. More so, we used computational modeling to explore possible functional effects of known SLC 38A8 mutations. Methods Fundus autofluorescence, SD ‐ OCT , and OCT ‐angiography were used to make the clinical diagnosis. Whole‐exome sequencing led to the identification of a novel disease‐causing variant in SLC 38A8 . Computational modeling approaches were used to visualize known SLC 38A8 mutations, as well as to predict mutation effects on transporter structure and function. Results We identified a novel point mutation in SLC 38A8 that causes FH . A conclusive diagnosis was made using OCT ‐angiography, which more clearly revealed retinal vasculature penetrating into the foveal region. Structural modeling of the channel showed the mutation was near previously published mutations, clustered on an extracellular loop. Our modeling also predicted that the mutation destabilizes the protein by altering the electrostatic potential within the channel pore. Conclusion Our results demonstrate a novel use for OCT ‐angiography in confirming FH , and also uncover genotype–phenotype correlations of FH ‐linked SLC 38A8 mutations.
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 | 0,001 | 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 ».