Integration of Genetic Testing and Pathology for the Diagnosis of Adults with FSGS
Notice bibliographique
Résumé
Background and objectives FSGS and nephrotic syndrome studies have shown that single gene causes are more likely to be found in pediatric cases than adults. Consequently, many studies have examined limited gene panels in largely pediatric cohorts. Design, setting, participants, & measurements Whole-exome sequencing was performed in adults with FSGS diagnosed between 1976 and 2017 in the Toronto GN Registry. An expanded panel of 109 genes linked to FSGS, glomerular basement membrane abnormalities, as well as causes of pediatric ESKD including congenital abnormalities of the kidney and urinary tract (CAKUT) and nephronophthisis, were examined. Results The cohort was composed of 193 individuals from 179 families. Nearly half (49%) developed ESKD at a mean age of 47±17 years. The genetic diagnostic rate was 11%. Of definitely pathogenic variants, 55% were in COL4A ( A3/A4/A5 ), 40% were in podocyte genes, and 5% were in CAKUT genes. Many, but not all individuals with COL4A definitely pathogenic variants had some evidence of glomerular basement membrane abnormalities. The estimated mean survival/age of kidney failure for individuals with COL4A definitely pathogenic variants was 58 years (95% confidence interval, 49 to 69), far later than what has been reported in the literature. Likely pathogenic variants were identified in an additional 9% of the cohort, with most in COL4A . Correlation with glomerular basement membrane morphology suggested a causal role for at least some of these likely pathogenic variants. Conclusions Even with an expanded gene panel, we find that COL4A disorders are the leading monogenic cause in adults diagnosed with FSGS. Podcast This article contains a podcast at https://www.asn-online.org/media/podcast/CJASN/2019_01_15_CJASNPodcast_19_02_.mp3
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 | 0,000 | 0,001 |
| 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 ».