MétaCan
Menu
Retour à la cohorte
Enregistrement W2809941536 · doi:10.1017/cjn.2018.179

P.077 Utility of a next generation sequencing in the diagnosis of Congenital Myasthenic Syndromes

2018· article· en· W2809941536 sur OpenAlexvenueno aff
Eugenio Zapata‐Aldana, CE Nguyen, MW Nicolle, DA Carere, Alan Stuart, Christopher Campbell, Bekim Sadiković

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMyasthenia Gravis and Thymoma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMissense mutationPhenotypeExonMedicineGeneGenetic testingGeneticsMedical geneticsLocus (genetics)Congenital myasthenic syndromeGenetic counselingGenetic heterogeneityBioinformaticsBiologyMutation

Résumé

récupéré en direct d'OpenAlex

Background: Congenital Myasthenic Syndromes (CMS) are heterogeneous disorders caused by genetically determined structural or functional differences in proteins involved with the neuromuscular junctions. Clinical and molecular genetics studies of CMS patients have revealed significant locus heterogeneity; there are 21 known genes related to CMS, but other genes may mimic the phenotype, justifying the use of a multi-gene panel for genetic testing Methods: Our group developed custom sequence capture probes designed to flank 27 different genes associated with CMS, including enrichment for all coding exons as well the flanking intronic regions. We enrolled 20 patients from the paediatric and adult neuromuscular clinic with a clinical phenotype of CMS. Using custom analytical, we -assessed the sequence variants and exon-level CNVs for each patient. Results: Thirteen male and seven female patients with median age of 12.25 years (range 1.5-39y) were assessed. We identified missense and CNVs in 17 patients, including established pathogenic mutations confirming the diagnosis in 5 patients Conclusions: The use of Next Generation Sequence with CNV for CMS can help determine the underlying causes of most CMS disorders and allow appropriate medical treatment, refined genetic counseling, and improved understanding of prognosis, justifying the implementation in the standard clinical screening of CMS.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,130
Tête enseignante GPT0,303
Écart entre enseignants0,173 · 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'étudeObservationnel
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences NeurologiquesMême sujetMyasthenia Gravis and ThymomaTravaux en français237 207