Notice bibliographique
Résumé
Dyslipidemias include both rare single gene disorders and common conditions that have a complex underlying basis. In London, ON, there is fortuitous close physical proximity between the Lipid Genetics Clinic and the London Regional Genomics Centre. For >30 years, we have applied DNA sequencing of clinical samples to help answer scientific questions. More than 2000 patients referred with dyslipidemias have participated in an ongoing translational research program. In 2013, we transitioned to next-generation sequencing; our targeted panel is designed to concurrently assess both monogenic and polygenic contributions to dyslipidemias. Patient DNA is screened for rare variants underlying 25 mendelian dyslipidemias, including familial hypercholesterolemia, hepatic lipase deficiency, abetalipoproteinemia, and familial chylomicronemia syndrome. Furthermore, polygenic scores for LDL (low-density lipoprotein) and HDL (high-density lipoprotein) cholesterol, and triglycerides are calculated for each patient. We thus simultaneously document both rare and common genetic variants, allowing for a broad view of genetic predisposition for both individual patients and cohorts. For instance, among patients referred with severe hypertriglyceridemia, defined as ≥10 mmol/L (≥885 mg/dL), <1% have a mendelian disorder (ie, autosomal recessive familial chylomicronemia syndrome), ≈15% have heterozygous rare variants (a >3-fold increase over normolipidemic individuals), and ≈35% have an extreme polygenic score (a >3-fold increase over normolipidemic individuals). Other dyslipidemias show a different mix of genetic determinants. Genetic results are discussed with patients and can support clinical decision-making. Integrating DNA testing into clinical care allows for a bidirectional flow of information, which facilitates scientific discoveries and clinical translation.
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 | 0,000 | 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 ».