A Genetics-First Approach to Dissecting the Heterogeneity of Autism: Phenotypic Comparison of Autism Risk Copy Number Variants
Notice bibliographique
Résumé
Abstract Objective Certain copy number variants (CNVs) greatly increase risk of autism. We conducted a genetics-first study to investigate whether heterogeneity in the clinical presentation of autism is underpinned by specific genotype-phenotype relationships. Methods This international study included 547 individuals (12.3 years (SD=4.2), 54% male) who were ascertained on the basis of having a genetic diagnosis of a rare CNV associated with high risk of autism (82 16p11.2 deletion carriers, 50 16p11.2 duplication carriers, 370 22q11.2 deletion carriers and 45 22q11.2 duplication carriers), as well as 2027 individuals (9.1 years (SD=4.9), 86% male) with autism of heterogeneous aetiology. The Autism Diagnostic Interview-Revised (ADI-R) and IQ testing were conducted. Results The four genetic variant groups differed in autism severity, autism subdomain profile as well as IQ profile. However, we found substantial variability in phenotypic outcome within individual genetic variant groups (74% to 97% of the variance depending on the trait), whereas variability between groups was low (1% to 21% depending on trait). We compared CNV carriers who met autism criteria, to individuals with heterogeneous autism, and a range of profile differences were identified. Using clinical cut-offs, we found that 54% of individuals with one of the 4 CNVs who did not meet full autism diagnostic criteria nonetheless had elevated levels of autistic traits. Conclusion Many CNV carriers do not meet full diagnostic criteria for autism, but nevertheless meet clinical cut-offs for autistic traits. Although we find profile differences between variants, there is considerable variability in clinical symptoms within the same variant.
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) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».