The Genetic Landscape of Epilepsy of Infancy with Migrating Focal Seizures
Notice bibliographique
Résumé
OBJECTIVE: Epilepsy of infancy with migrating focal seizures (EIMFS) is one of the most severe developmental and epileptic encephalopathies. We delineate the genetic causes and genotype-phenotype correlations of a large EIMFS cohort. METHODS: Phenotypic and molecular data were analyzed on patients recruited through an international collaborative study. RESULTS: We ascertained 135 patients from 128 unrelated families. Ninety-three of 135 (69%) had causative variants (42/55 previously reported) across 23 genes, including 9 novel EIMFS genes: de novo dominant GABRA1, GABRB1, ATP1A3; X-linked CDKL5, PIGA; and recessive ITPA, AIMP1, KARS, WWOX. The most frequently implicated genes were KCNT1 (36/135, 27%) and SCN2A (10/135, 7%). Mosaicism occurred in 2 probands (SCN2A, GABRB3) and 3 unaffected mothers (KCNT1). Median age at seizure onset was 4 weeks, with earlier onset in the SCN2A, KCNQ2, and BRAT1 groups. Epileptic spasms occurred in 22% patients. A total of 127 patients had severe to profound developmental impairment. All but 7 patients had ongoing seizures. Additional features included microcephaly, movement disorders, spasticity, and scoliosis. Mortality occurred in 33% at median age 2 years 7 months. INTERPRETATION: We identified a genetic cause in 69% of patients with EIMFS. We highlight the genetic heterogeneity of EIMFS with 9 newly implicated genes, bringing the total number to 33. Mosaicism was observed in probands and parents, carrying critical implications for recurrence risk. EIMFS pathophysiology involves diverse molecular processes from gene and protein regulation to ion channel function and solute trafficking. ANN NEUROL 2019;86:821-831.
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 ».