Analysis of heterozygous <i>PRKN</i> variants and copy number variations in Parkinson’s disease
Notice bibliographique
Résumé
Abstract Background Biallelic PRKN mutation carriers with Parkinson’s disease (PD) typically have an earlier disease onset, slow disease progression and, often, different neuropathology compared to sporadic PD patients. However, the role of heterozygous PRKN variants in the risk of PD is controversial. Objectives We aimed to examine the association between heterozygous PRKN variants, including single nucleotide variants and copy-number variations, and PD. Methods We fully sequenced PRKN in 2,809 PD patients and 3,629 healthy controls, including 1,965 late onset (63.97±7.79 years, 63% men) and 553 early onset PD patients (43.33±6.59 years, 68% men). PRKN was sequenced using targeted next-generation sequencing with molecular inversion probes. Copy-number variations were identified using a combination of multiplex ligation-dependent probe amplification and ExomeDepth. To examine whether rare heterozygous single nucleotide variants and copy-number variations in PRKN are associated with PD risk and onset, we used optimized sequence kernel association tests and regression models. Results We did not find any associations between all types of PRKN variants and risk of PD. Pathogenic and likely-pathogenic heterozygous single nucleotide variants and copy-number variations were less common among PD patients (1.52%) than among controls (1.8%, false discovery rate-corrected p=0.55). No associations with age at onset and in stratified analyses were found. Conclusions Heterozygous single nucleotide variants and copy-number variations in PRKN are not associated with Parkinson’s disease. Molecular inversion probes allow for rapid and cost-effective detection of all types of PRKN variants, which may be useful for pre-trial screening and for clinical and basic science studies specifically targeting PRKN patients.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».