MétaCan
Menu
Retour à la cohorte
Enregistrement W2980454433 · doi:10.1002/ajmg.c.31745

Epigenetic signatures in overgrowth syndromes: Translational opportunities

2019· article· en· W2980454433 sur OpenAlexafffund
Cheryl Cytrynbaum, Sanaa Choufani, Rosanna Weksberg

Notice bibliographique

RevueAmerican Journal of Medical Genetics Part C Seminars in Medical Genetics · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensAmgen (Canada)Hospital for Sick ChildrenToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésEpigeneticsdNaMBiologyEpigenomicsDNA methylationChromatinHistoneEpigenesisComputational biologyGeneticsGenomeGeneGene expression

Résumé

récupéré en direct d'OpenAlex

In recent years, numerous overgrowth syndromes have been found to be caused by pathogenic DNA sequence variants in "epigenes," genes that encode proteins that function in epigenetic regulation. Epigenetic marks, including DNA methylation (DNAm), histone modifications and chromatin conformation, have emerged as a vital genome-wide regulatory mechanism that modulate the transcriptome temporally and spatially to drive normal developmental and cellular processes. Evidence suggests that epigenetic marks are layered and engage in crosstalk, in that disruptions of any one component of the epigenetic machinery impact the others. This interdependence of epigenetic marks underpins the recent identification of gene-specific DNAm signatures for a variety of disorders caused by pathogenic variants in epigenes. Here, we discuss the power of DNAm signatures with respect to furthering our understanding of disease pathophysiology, enhancing the efficacy of molecular diagnostics and identifying new targets for therapeutics of overgrowth syndromes. These findings highlight the promise of the field of epigenomics to provide unprecedented insights into disease mechanisms generating a host of opportunities to advance precision medicine.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,299
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations12
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Medical Genetics Part C Seminars in Medical GeneticsMême sujetEpigenetics and DNA MethylationTravaux en français237 207