MétaCan
Menu
Retour à la cohorte
Enregistrement W2766634072 · doi:10.1111/gbb.12430

The contribution of alternative splicing to genetic risk for psychiatric disorders

2017· review· en· W2766634072 sur OpenAlexafffund
Emma Reble, Aidan Dineen, Cathy L. Barr

Notice bibliographique

RevueGenes Brain & Behavior · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensHospital for Sick ChildrenKrembil FoundationUniversity of TorontoUniversity Health Network
Organismes subventionnairesKrembil Foundation
Mots-clésRNA splicingAlternative splicingBiologyGeneticsMendelian inheritanceGenespliceGenetic associationMechanism (biology)Computational biologySingle-nucleotide polymorphismExonGenotypeRNA

Résumé

récupéré en direct d'OpenAlex

A genetic contribution to psychiatric disorders has clearly been established and genome-wide association studies now provide the location of risk genes and genetic variants associated with risk. However, the mechanism by which these genes and variants contribute to psychiatric disorders is mostly undetermined. This is in part because non-synonymous protein coding changes cannot explain the majority of variants associated with complex genetic traits. Based on this, it is predicted that these variants are causing gene expression changes, including changes to alternative splicing. Genetic changes influencing alternative splicing have been identified as risk factors in Mendelian disorders; however, currently there is a paucity of research on the role of alternative splicing in complex traits. This stems partly from the difficulty of predicting the role of genetic variation in splicing. Alterations to canonical splice site sequences, nucleotides adjacent to splice junctions, and exonic and intronic splicing regulatory sequences can influence splice site choice. Recent studies have identified global changes in alternatively spliced transcripts in brain tissues, some of which correlate with altered levels of splicing trans factors. Disease-associated variants have also been found to affect cis-acting splicing regulatory sequences and alter the ratio of alternatively spliced transcripts. These findings are reviewed here, as well as the current datasets and resources available to study alternative splicing in psychiatric disorders. Identifying and understanding risk variants that cause alternative splicing is critical to understanding the mechanisms of risk as well as to pave the way for new therapeutic options.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,036
Tête enseignante GPT0,392
Écart entre enseignants0,356 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenes Brain & BehaviorMême sujetRNA Research and SplicingTravaux en français237 207