Carrier frequency of autosomal recessive genetic conditions in diverse populations: Lessons learned from the genome aggregation database
Notice bibliographique
Résumé
An equitable approach by the American College of Medical Genetics and Genomics (ACMG) has recently recommended carrier screening for genes associated with moderate to severe autosomal recessive conditions with a carrier frequency of ≥1/200 in the Genome Aggregation Database exomes (gnomADv2.0.2). We analyzed carrier frequencies in gnomADv3.1.1 genomes representing diverse populations. ClinVar data on 35 996 pathogenic/likely pathogenic variants in 419 genes were used to estimate the gnomAD frequency of heterozygous carriers. We found that ninety-two genes had a carrier frequency of ≥1/200, of which 63 were shared between v3.1.1 and v2.0.2 and 29 were new in v3.1.1. Addition of new populations (Amish, Finnish and Middle Eastern) increased the number of new genes with a carrier frequency of ≥1/200 to 71. Changes in carrier frequencies were attributed to new gnomAD populations, different sample sizes, new ClinVar data, and technical differences between exomes and genomes. This study highlights the dynamic changes in carrier frequencies due to new datasets from diverse populations and provides updated carrier frequencies based on the combined data from 184 352 genomes and exomes in gnomAD. We recommend a periodic review for inclusion of new population data to update carrier screening panels 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 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 | 0,002 |
| 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) | 0,001 | 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 ».