Testing association of rare genetic variants with resistance to three common antiseizure medications
Notice bibliographique
Résumé
OBJECTIVE: Drug resistance is a major concern in the treatment of individuals with epilepsy. No genetic markers for resistance to individual antiseizure medication (ASM) have yet been identified. We aimed to identify the role of rare genetic variants in drug resistance for three common ASMs: levetiracetam (LEV), lamotrigine (LTG), and valproic acid (VPA). METHODS: A cohort of 1622 individuals of European descent with epilepsy was deeply phenotyped and underwent whole exome sequencing (WES), comprising 575 taking LEV, 826 LTG, and 782 VPA. We performed gene- and gene set-based collapsing analyses comparing responders and nonresponders to the three drugs to determine the burden of different categories of rare genetic variants. RESULTS: We observed a marginally significant enrichment of rare missense, truncating, and splice region variants in individuals who were resistant to VPA compared to VPA responders for genes involved in VPA pharmacokinetics. We also found a borderline significant enrichment of truncating and splice region variants in the synaptic vesicle glycoprotein (SV2) gene family in nonresponders compared to responders to LEV. We did not see any significant enrichment using a gene-based approach. SIGNIFICANCE: In our pharmacogenetic study, we identified a slightly increased burden of damaging variants in gene groups related to drug kinetics or targeting in individuals presenting with drug resistance to VPA or LEV. Such variants could thus determine a genetic contribution to drug resistance.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».