Genetic investigation of equine recurrent uveitis in Appaloosa horses
Notice bibliographique
Résumé
Summary Equine recurrent uveitis (ERU) is characterized by intraocular inflammation that often leads to blindness in horses. Appaloosas are more likely than any other breed to develop insidious ERU, distinguished by low‐grade chronic intraocular inflammation, suggesting a genetic predisposition. Appaloosas are known for their white coat spotting patterns caused by the leopard complex spotting allele (LP) and the modifierPATN1. A marker linked toLPon ECA1 and markers near MHC on ECA20 were previously associated with increased ERU risk. This study aims to further investigate these loci and identify additional genetic risk factors. A GWAS was performed using the Illumina Equine SNP70 BeadChip in 91 horses. Additive mixed model approaches were used to correct for relatedness. Although they do not reach a strict Bonferroni genome‐wide significance threshold, two SNPs on ECA1 and one SNP each on ECA12 and ECA29 were among the highest ranking SNPs and thus warranted further analysis (P = 1.20 × 10−5,P = 5.91 × 10−6,P = 4.91 × 10−5,P = 6.46 × 10−5). In a second cohort (n = 98), only an association with theLPallele on ECA1 was replicated (P = 5.33 × 10−5). Modeling disease risk withLP, age and additional depigmentation factors (PATN1genotype and extent of roaning) supports an additive role forLPand suggests an additive role forPATN1. Genotyping forLPandPATN1may help predict ERU risk (AUC = 0.83). The functional role ofLPandPATN1in ERU development requires further investigation. Testing samples across breeds with leopard complex spotting patterns and a denser set of markers is warranted to further refine the genetic components of ERU.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».