Validation of Candidate Sleep Disorder Risk Genes Using Zebrafish
Notice bibliographique
Résumé
Sleep disorders and chronic sleep disturbances are common and are associated with cardio-metabolic diseases and neuropsychiatric disorders. Several genetic pathways and neuronal mechanisms that regulate sleep have been described in animal models, but the genes underlying human sleep variation and sleep disorders are largely unknown. Identifying these genes is essential in order to develop effective therapies for sleep disorders and their associated comorbidities. To address this unmet health problem, genome-wide association studies (GWAS) have identified numerous genetic variants associated with human sleep traits and sleep disorders. However, in most cases, it is unclear which gene is responsible for a sleep phenotype that is associated with a genetic variant. As a result, it is necessary to experimentally validate candidate genes identified by GWAS using an animal model. Rodents are ill-suited for this endeavor due to their poor amenability to high-throughput sleep assays and the high costs associated with generating, maintaining, and testing large numbers of mutant lines. Zebrafish ( Danio rerio ), an alternative vertebrate model for studying sleep, allows for the rapid and cost-effective generation of mutant lines using the CRISPR/Cas9 system. Numerous zebrafish mutant lines can then be tested in parallel using high-throughput behavioral assays to identify genes whose loss affects sleep. This process identifies a gene associated with each GWAS hit that is likely responsible for the human sleep phenotype. This strategy is a powerful complement to GWAS approaches and holds great promise to identify the genetic basis for common human sleep disorders.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».