MétaCan
Menu
Retour à la cohorte
Enregistrement W3041568409 · doi:10.1093/hmg/ddaa144

Functional annotation of genomic variation: DNA methylation episignatures in neurodevelopmental Mendelian disorders

2020· review· en· W3041568409 sur OpenAlexaff
Bekim Sadiković, Michael A. Levy, Erfan Aref‐Eshghi

Notice bibliographique

RevueHuman Molecular Genetics · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésEpigenomicsDNA methylationMendelian inheritanceBiologyGenomicsComputational biologyGeneticsEpigeneticsCopy-number variationBioinformaticsGenomeGene

Résumé

récupéré en direct d'OpenAlex

The breadth and complexity of genetic testing in patients with suspected Mendelian neurodevelopmental disorders has rapidly expanded in the past two decades. However, in spite of advances in genomic technologies, genetic diagnosis remains elusive in more than half of these patients. Epigenomics, and in particular genomic DNA methylation profiles, are now known to be associated with the underpinning genetic defects in a growing number of Mendelian disorders. These often highly specific and sensitive molecular biomarkers have been used to screen these patient populations, resolve ambiguous clinical cases and interpret genetic variants of unknown clinical significance. Increasing the diagnostic yield beyond genomic sequencing technologies has rapidly propelled epigenomics to clinical utilization, with recent introduction of DNA methylation 'EpiSign' analysis in clinical diagnostic laboratories. This review provides an overview of the principles, applications and limitations of DNA methylation episignature analysis in patients with neurodevelopmental Mendelian disorders, and discusses clinical implications of this emerging diagnostic technology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,277
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Molecular GeneticsMême sujetGenomics and Rare DiseasesTravaux en français237 207