Curation and bioinformatic analysis of strabismus genes supports functional heterogeneity and proposes candidate genes with connections to RASopathies
Notice bibliographique
Résumé
Strabismus refers to the misalignment of the eyes and occurs in 2-4% of individuals. The low-resolution label "strabismus" covers a range of heterogeneous defects, which makes it challenging to unravel this condition. Consequently a coherent understanding of the causes is lacking. Here, we attempt to gain a better understanding of the underlying genetics by combining gene curation, diverse bioinformatic analyses (including gene ontology, pathway mapping, expression and network-based methods) and literature review. Through a phenotype-based curation process, we identify high-confidence and permissive sets of 54 and 233 genes potentially involved in strabismus. These genes can be grouped into 10 modules that together span a heterogeneous set of biological and molecular functions, and can be linked to clinical sub-phenotypes. Multiple lines of evidence associate retina and cerebellum biology with the strabismus genes. We further highlight a potential role of the Ras-MAPK pathway. Independently, sets of 11 genes and 15 loci tied to strabismus with definitive genetic basis have been compiled from the literature. We identify strabismus candidate genes for 5 of the 15 reported loci (CHD7; SLC9A6; COL18A1, COL6A2; FRY, BRCA2, SPG20; PARK2). Finally, we synthesize a Strabismus Candidate Gene Collection, which together with our curated gene sets will serve as a resource for future research. The results of this informatics study support the heterogeneity and complexity of strabismus and point to specific biological pathways and brain regions for future focus.
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 | 0,000 |
| 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) | 0,000 | 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 ».