Next-Generation Sequencing to Diagnose Muscular Dystrophy, Rhabdomyolysis, and HyperCKemia
Notice bibliographique
Résumé
BACKGROUND: Neuromuscular disorders are a phenotypically and genotypically diverse group of diseases that can be difficult to diagnose accurately because of overlapping clinical features and nonspecific muscle pathology. Next-generation sequencing (NGS) is a high-throughput technology that can be used as a more time- and cost-effective tool for identifying molecular diagnoses for complex genetic conditions, such as neuromuscular disorders. METHODS: One hundred and sixty-nine patients referred to a Canadian neuromuscular clinic for evaluation of possible muscle disease were screened with an NGS panel of muscular dystrophy-associated genes. Patients were categorized by the reason of referral (1) muscle weakness (n=135), (2) recurrent episodes of rhabdomyolysis (n=18), or (3) idiopathic hyperCKemia (n=16). RESULTS: Pathogenic and likely pathogenic variants were identified in 36.09% of patients (61/169). The detection rate was 37.04% (50/135) in patients with muscle weakness, 33.33% (6/18) with rhabdomyolysis, and 31.25% (5/16) in those with idiopathic hyperCKemia. CONCLUSIONS: This study shows that NGS can be a useful tool in the molecular workup of patients seen in a neuromuscular clinic. Evaluating the utility of large panels of a muscle disease-specific NGS panel to investigate the genetic susceptibilities of rhabdomyolysis and/or idiopathic hyperCKemia is a relatively new field. Twenty-eight of the pathogenic and likely pathogenic variants reported here are novel and have not previously been associated with disease.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».