Hunting for Familial Parkinson’s Disease Mutations in the Post Genome Era
Notice bibliographique
Résumé
Parkinson’s disease (PD) is typically sporadic; however, multi-incident families provide a powerful platform to discover novel genetic forms of disease. Their identification supports deciphering molecular processes leading to disease and may inform of new therapeutic targets. The LRRK2 p.G2019S mutation causes PD in 42.5–68% of carriers by the age of 80 years. We hypothesise similarly intermediately penetrant mutations may present in multi-incident families with a generally strong family history of disease. We have analysed six multiplex families for missense variants using whole exome sequencing to find 32 rare heterozygous mutations shared amongst affected members. Included in these mutations was the KCNJ15 p.R28C variant, identified in five affected members of the same family, two elderly unaffected members of the same family, and two unrelated PD cases. Additionally, the SIPA1L1 p.R236Q variant was identified in three related affected members and an unrelated familial case. While the evidence presented here is not sufficient to assign causality to these rare variants, it does provide novel candidates for hypothesis testing in other modestly sized families with a strong family history. Future analysis will include characterisation of functional consequences and assessment of carriers in other familial cases.
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 ».