Leveraging splice‐affecting variant predictors and a minigene validation system to identify Mendelian disease‐causing variants among exon‐captured variants of uncertain significance
Notice bibliographique
Résumé
The genetic heterogeneity of Mendelian disorders results in a significant proportion of patients that are unable to be assigned a confident molecular diagnosis after conventional exon sequencing and variant interpretation. Here, we evaluated how many patients with an inherited retinal disease (IRD) have variants of uncertain significance (VUS) that are disrupting splicing in a known IRD gene by means other than affecting the canonical dinucleotide splice site. Three in silico splice-affecting variant predictors were leveraged to annotate and prioritize variants for splicing functional validation. An in vitro minigene system was used to assay each variant's effect on splicing. Starting with 745 IRD patients lacking a confident molecular diagnosis, we validated 23 VUS as splicing variants that likely explain disease in 26 patients. Using our results, we optimized in silico score cutoffs to guide future variant interpretation. Variants that alter base pairs other than the canonical GT-AG dinucleotide are often not considered for their potential effect on RNA splicing but in silico tools and a minigene system can be utilized for the prioritization and validation of such splice-disrupting variants. These variants can be overlooked causes of human disease but can be identified using conventional exon sequencing with proper interpretation guidelines.
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 | 0,001 | 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 ».