Progress in finding pathogenic DNA copy number variations in dyslipidemia
Notice bibliographique
Résumé
PURPOSE OF REVIEW: DNA copy number variations (CNVs) are large-scale mutations that include deletions and duplications larger than 50 bp in size. In the era when single-nucleotide variations were the major focus of genetic technology and research, CNVs were largely overlooked. However, CNVs clearly underlie a substantial proportion of clinical disorders. Here, we update recent progress in identifying CNVs in dyslipidemias. RECENT FINDINGS: Until last year, only the LDLR and LPA genes were appreciated as loci within which clinically relevant CNVs contributed to familial hypercholesterolemia and variation in Lp(a) levels, respectively. Since 2017, next-generation sequencing panels have identified pathogenic CNVs in at least five more genes underlying dyslipidemias, including a PCSK9 whole-gene duplication in familial hypercholesterolemia; LPL, GPIHBP1, and APOC2 deletions in hypertriglyceridemia; and ABCA1 deletions in hypoalphalipoproteinemia. SUMMARY: CNVs are an important class of mutation that contribute to the molecular genetic heterogeneity underlying dyslipidemias. Clinical applications of next-generation sequencing technologies need to consider CNVs concurrently with familiar small-scale genetic variation, given the likely implications for improved diagnosis and treatment.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».