Correction of pseudoexon splicing caused by a novel intronic dysferlin mutation
Notice bibliographique
Résumé
OBJECTIVE: Dysferlin is a large transmembrane protein that functions in critical processes of membrane repair and vesicle fusion. Dysferlin-deficiency due to mutations in the dysferlin gene leads to muscular dystrophy (Miyoshi myopathy (MM), limb girdle muscular dystrophy type 2B (LGMD2B), distal myopathy with anterior tibial onset (DMAT)), typically with early adult onset. At least 416 pathogenic dysferlin mutations are known, but for approximately 17% of patients, one or both of their pathogenic variants remain undefined following standard exon sequencing methods that interrogate exons and nearby flanking intronic regions but not the majority of intronic regions. METHODS: We sequenced RNA from myogenic cells to identify a novel dysferlin pathogenic variant in two affected siblings that previously had only one disease-causing variant identified. We designed antisense oligonucleotides (AONs) to bypass the effects of this mutation on RNA splicing. RESULTS: We identified a new pathogenic point mutation deep within dysferlin intron 50i. This intronic variant causes aberrant mRNA splicing and inclusion of an additional pseudoexon (PE, we term PE50.1) within the mature dysferlin mRNA. PE50.1 inclusion alters the protein sequence, causing premature translation termination. We identified this mutation in 23 dysferlinopathy patients (seventeen families), revealing it to be one of the more prevalent dysferlin mutations. We used AON-mediated exon skipping to correct the aberrant PE50.1 splicing events in vitro, which increased normal mRNA production and significantly restored dysferlin protein expression. INTERPRETATION: Deep intronic mutations can be a common underlying cause of dysferlinopathy, and importantly, could be treatable with AON-based exon-skipping strategies.
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 ».