Outcome of over 1500 matches through the Matchmaker Exchange for rare disease gene discovery: The 2-year experience of Care4Rare Canada
Notice bibliographique
Résumé
PURPOSE: Matchmaking has emerged as a useful strategy for building evidence toward causality of novel disease genes in patients with undiagnosed rare diseases. The Matchmaker Exchange (MME) is a collaborative initiative that facilitates international data sharing for matchmaking purposes; however, data on user experience is limited. METHODS: Patients enrolled as part of the Finding of Rare Disease Genes in Canada (FORGE) and Care4Rare Canada research programs had their exome sequencing data reanalyzed by a multidisciplinary research team over a 2-year period. Compelling variants in genes not previously associated with a human phenotype were submitted through the MME node PhenomeCentral, and outcomes were collected. RESULTS: In this study, 194 novel candidate genes were submitted to the MME, resulting in 1514 matches, and 15% of the genes submitted resulted in collaborations. Most submissions resulted in at least 1 match, and most matches were with GeneMatcher (82%), where additional email exchange was required to evaluate the match because of the lack of phenotypic or inheritance information. CONCLUSION: Matchmaking through the MME is an effective way to investigate novel candidate genes; however, it is a labor-intensive process. Engagement from the community to contribute phenotypic, genotypic, and inheritance data will ensure that matchmaking continues to be a useful approach in the future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».