MétaCan
Menu
Retour à la cohorte
Enregistrement W3134005826 · doi:10.1002/ana.26063

Mitochondrial <scp>D</scp><scp>NA</scp> Analysis from Exome Sequencing Data Improves Diagnostic Yield in Neurological Diseases

2021· article· en· W3134005826 sur OpenAlexfundno aff
Olivia V. Poole, Chiara Pizzamiglio, David Murphy, Micol Falabella, William L. Macken, Enrico Bugiardini, Cathy E. Woodward, Robyn Labrum, Stéphanie Efthymiou, Vincenzo Salpietro, Viorica Chelban, Rauan Kaiyrzhanov, Reza Maroofian, Anthony A. Amato, Allison Gregory, Susan J. Hayflick, Hallgeir Jonvik, Nicholas Wood, Henry Houlden, Jana Vandrovcová, Michael G. Hanna, Alan Pittman, Robert D. S. Pitceathly

Notice bibliographique

RevueAnnals of Neurology · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMitochondrial Function and Pathology
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilUniversity College LondonAtaxia UKNational Institute for Health and Care ResearchMedical Research Council CanadaBrain Research UKMultiple System Atrophy TrustRosetrees TrustMuscular Dystrophy UKWellcome TrustMuscular Dystrophy Association
Mots-clésExome sequencingYield (engineering)MedicineBiologyPhenotypeGeneticsGene

Résumé

récupéré en direct d'OpenAlex

A rapidly expanding catalog of neurogenetic disorders has encouraged a diagnostic shift towards early clinical whole exome sequencing (WES). Adult primary mitochondrial diseases (PMDs) frequently exhibit neurological manifestations that overlap with other nervous system disorders. However, mitochondrial DNA (mtDNA) is not routinely analyzed in standard clinical WES bioinformatic pipelines. We reanalyzed 11,424 exomes, enriched with neurological diseases, for pathogenic mtDNA variants. Twenty-four different mtDNA mutations were detected in 64 exomes, 11 of which were considered disease causing based on the associated clinical phenotypes. These findings highlight the diagnostic uplifts gained by analyzing mtDNA from WES data in neurological diseases. ANN NEUROL 2021;89:1240-1247.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,061
Tête enseignante GPT0,293
Écart entre enseignants0,233 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of NeurologyMême sujetMitochondrial Function and PathologyTravaux en français237 207