Tumor Necrosis Factor Receptor SF10A (TNFRSF10A) SNPs Correlate With Corticosteroid Response in Duchenne Muscular Dystrophy
Notice bibliographique
Résumé
Background. Duchenne muscular dystrophy (DMD) is a rare and severe X-linked muscular dystrophy in which the standard of care with variable outcome, also due to different drug response, is chronic off-label treatment with corticosteroids (CS). In order to search for SNP biomarkers for corticosteroid responsiveness, we genotyped variants across 205 DMD-related genes in patients with differential response to steroid treatment. Methods and findings. We enrolled a total of 228 DMD patients with identified dystrophin mutations, 78 of these patients have been under corticosteroid treatment for at least 5 years. DMD patients were defined as high responders (HR) if they had maintained the ability to walk after 15 years of age and low responders (LR) for those who had lost ambulation before the age of 10 despite corticosteroid therapy. Based on interactome mapping, we prioritized 205 genes and sequenced them in 21 DMD patients (discovery cohort or DiC=21). We identified 43 SNPs that discriminate between HR and LR. Discriminant Analysis of Principal Components (DAPC) prioritized 2 response-associated SNPs in the TNFRSF10A gene. Validation of this genotype was done in two additional larger cohorts composed of 46 DMD patients on corticosteroid therapy (validation cohorts or VaC1), and 150 non ambulant DMD patients and never treated with corticosteroids (VaC2). SNP analysis in all validation cohorts (N=207) showed that the CT haplotype is significantly associated with HR DMDs confirming the discovery results. Conclusions. We have shown that TNFRSF10A CT haplotype correlates with corticosteroid response in DMD patients and propose it as an exploratory CS response biomarker.
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 ».