Study of KIAA0319, DYXIC1 and DCDC2 Gene Polymorphisms in Children with Dyslexia in Indian Population
Notice bibliographique
Résumé
Background:Dyslexia is a typical learning disability that does not affect intelligence but causes problems with reading, writing, and spelling. It is influenced by certain genes, due to which several researchers have attempted to identify the susceptible gene. Dyslexia is incurable and diagnosis is difficult because it always overlaps with other learning disabilities. Hence, timely assessment and intervention consequently give the best results. Therefore, our aim was to find the relation between dyslexia and single nucleotide polymorphisms (SNPs) in several candidate genes like DYX1C1, KIAA0319, and DCDC2 in Indian population. Methods:In the present study, 103 individuals with dyslexia and 100 controls in the age group between 6 to 15 years were taken. Thirteen SNPs in the KIAA gene, seven SNPs of DCDC2, and three SNPs of the DYX1C1 gene were analysed by the Mass Array technique. Results:The association of dyslexia with SNPs rs3756821, rs6935076, rs4576240 of the KIAA gene was found significant. A significant association was found with rs600753 of the DYX1C1 gene and dyslexia and we could not find any association of the DCDC2 gene with dyslexia. Conclusions:Prerequisite genetic analysis is necessary for the diagnosis of dyslexia as it is a crucial educational barrier. Treatment is known to be most effective if dyslexia is identified in the early stages for effective intervention for children before they experience prolonged reading failure. Further, it helps in prenatal diagnosis for early intervention.
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 | 0,001 | 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 | 0,001 |
| 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 ».