MétaCan
Menu
Retour à la cohorte
Enregistrement W3214383186 · doi:10.1186/s12864-021-08142-8

Whole genome sequencing facilitates intragenic variant interpretation following modifier screening in C. elegans

2021· article· en· W3214383186 sur OpenAlexafffund
Francesca Jean, Susan Stasiuk, Tatiana Maroilley, Catherine Diao, Andrew Galbraith, Maja Tarailo‐Graovac

Notice bibliographique

RevueBMC Genomics · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchAlberta Children's Hospital FoundationCompute CanadaChildren's Hospital Foundation
Mots-clésBiologyGeneticsContext (archaeology)Sanger sequencingCaenorhabditis elegansGeneGenomeGenetic screenGenomicsComputational biologyCRISPRPhenotypeMutation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Intragenic modifiers (in-phase, second-site variants) are known to have dramatic effects on clinical outcomes, affecting disease attributes such as severity or age of onset. However, despite their clinical importance, the focus of many genetic screens in model systems is on the discovery of extragenic variants, with many labs still relying upon more traditional methods to identify modifiers. However, traditional methods such as PCR and Sanger sequencing can be time-intensive and do not permit a thorough understanding of the intragenic modifier effects in the context of non-isogenic genomic backgrounds. RESULTS: Here, we apply high throughput approaches to identify and understand intragenic modifiers using Caenorhabditis elegans. Specifically, we applied whole genome sequencing (WGS) to a mutagen-induced forward genetic screen to identify intragenic suppressors of a temperature-sensitive zyg-1(it25) allele in C. elegans. ZYG-1 is a polo kinase that is important for centriole function and cell divisions, and mutations that truncate its human orthologue, PLK4, have been associated with microcephaly. Combining WGS and CRISPR/Cas9, we rapidly identify intragenic modifiers, show that these variants are distributed non-randomly throughout zyg-1 and that genomic context plays an important role on phenotypic outcomes. CONCLUSIONS: Ultimately, our work shows that WGS facilitates high-throughput identification of intragenic modifiers in clinically relevant genes by reducing hands-on research time and overall costs and by allowing thorough understanding of the intragenic phenotypic effects in the context of different genetic backgrounds.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,234
Écart entre enseignants0,215 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC GenomicsMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207