MétaCan
Menu
Retour à la cohorte
Enregistrement W2735026440 · doi:10.1002/humu.23279

Postzygotic single nucleotide mosaicisms and autism risk

2017· letter· en· W2735026440 sur OpenAlexaff
Bruce Gottlieb

Notice bibliographique

RevueHuman Mutation · 2017
Typeletter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics and Neurodevelopmental Disorders
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiologyAutismGeneticsSingle-nucleotide polymorphismComputational biologyGeneGenotypeDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

The principle of “parsimony” has underlined our understanding of science since the middle of the 18th century by telling us to choose the simplest scientific explanation that fits (all) the observed evidence. In studying the genetics of multifactorial diseases (MFD), such as autism spectrum disorder (ASD), this has been reflected in our belief that identifying common gene mutations present among large populations exhibiting the disease phenotype is a key to understanding the ontology of the disease. However, the validity of this concept is being challenged by the increasing evidence of genetic diversity within individuals. The article in this issue by Dou et al. (Hum Mutat 38: 1002–1013, 2017) reveals evidence of postzygotic single nucleotide mosaicism (pSNMs) in ASD. Further, the mounting evidence that pSNMs also exist within normal tissues raises some even more fundamental questions with regard to the role of specific mutations in MFD phenotypes. The study by Dou et al. clearly expands on previous attempts to associate pSNMs with ASD by using ultradeep next-generation sequencing and a sophisticated approach to the bioinformatics analyses. The authors detected and validated both child pSNMs and transmitted parental pSNMs in the largest data set analysis to date of confident pSNMs of ASD cohorts. They found that pSNMs with varied mutant allele fraction (MAF) have different amounts of risk contributing to ASD. This was accomplished because of the much higher sensitivity in detecting pSNMs with relatively low MAFs. Their results highlighted that mosaicisms resulting from postzygotic mutations could explain at least a proportion of the unrecognized genetic etiology of ASD. These results are, however, more indicative of the potential of such an approach to give new insights into hypotheses explaining MFD ontology rather than identifying new genes as possible risk factors for ASD. One possible hypothesis is that occurrence of pSNMs, which are complex forms of genetic heterogeneity, suggests that selection of certain postzygotic gene mutations is the cause of disease progression and variable disease phenotypes. Further, the accumulating evidence of nongenomic, often environmental factors as risk factors for ASD, would lend support to such a hypothesis. Indeed, the complexity of postzygotic variation has added emphasis to the importance of environmental factors in determining ASD phenotypes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,241
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman MutationMême sujetGenetics and Neurodevelopmental DisordersTravaux en français237 207