MétaCan
Menu
Retour à la cohorte
Enregistrement W4382344150 · doi:10.1002/ajmg.a.63247

Genomic analyses in Cornelia de Lange Syndrome and related diagnoses: Novel candidate genes, <scp>genotype–phenotype</scp> correlations and common mechanisms

2023· article· en· W4382344150 sur OpenAlexaff
Maninder Kaur, Justin Blair, Batsal Devkota, Sierra Fortunato, Dinah Clark, Audrey Lawrence, Jiwoo Kim, Wonwook Do, Benjamin Semeo, Olivia Katz, Devanshi Mehta, Nobuko Yamamoto, Emma Schindler, Zayd Al Rawi, Nina Wallace, Jonathan J. Wilde, Jennifer McCallum, Jinglan Liu, Dongbin Xu, Marie Jackson, Stefan Rentas, Ahmad Abou Tayoun, Zhe Zhang, Omar Abdul‐Rahman, Bill Allen, Moris A. Angula, Kwame Anyane‐Yeboa, Jesús Argente, Pamela Arn, Linlea Armstrong, Lina Basel‐Salmon, Gareth Baynam, Lynne M. Bird, Daniel E. Bruegger, Gaik‐Siew Ch'ng, David Chitayat, Robin D. Clark, Gerald F. Cox, Usha Dave, Elfrede DeBaere, Michael Field, John M. Graham, Karen W. Gripp, Robert M. Greenstein, Randy Heidenreich, Jodi D. Hoffman, Robert J. Hopkin, Kenneth Lyons Jones, Marilyn C. Jones, Ariana Kariminejad, Jillene Kogan, Baiba Lāce, J. G. Leroy, Sally Ann Lynch, Marie McDonald, Kirsten Meagher, Nancy J. Mendelsohn, Ieva Mičule, John B. Moeschler, Sheela Nampoothiri, Kaoru Ohashi, Cynthia M. Powell, Subhadra Ramanathan, Salmo Raskin, Elizabeth Roeder, Marlène Rio, Alan F. Rope, Karan Sangha, Angela E. Scheuerle, Adele Schneider, Stavit A. Shalev, Victoria Mok Siu, Rosemarie Smith, Cathy A. Stevens, Tinatin Tkemaladze, John Toimie, Helga V. Toriello, Anne‐Marie W. Turner, Patricia G. Wheeler, Susan M. White, Terri L. Young, Kathleen M. Loomes, Mary Pipan, Ann T. Harrington, Elaine H. Zackai, Ramakrishnan Rajagopalan, Laura K. Conlin, Matthew A. Deardorff, Deborah McEldrew, Juan Pié, Feliciano J. Ramos, Antonio Musio, Antonie D. Kline, Kosuke Izumi, Sarah E. Raible, Ian D. Krantz

Notice bibliographique

RevueAmerican Journal of Medical Genetics Part A · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Chromatin Dynamics
Établissements canadiensLondon Health Sciences CentreWestern UniversityUniversity of TorontoSickKids FoundationMount Sinai HospitalB.C. Women's Hospital & Health CentreUniversity of British Columbia
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institutes of HealthCornelia de Lange Syndrome Foundation
Mots-clésCornelia de Lange SyndromeBiologyGeneticsPhenotypeCohesinGeneCandidate geneChromosome

Résumé

récupéré en direct d'OpenAlex

Cornelia de Lange Syndrome (CdLS) is a rare, dominantly inherited multisystem developmental disorder characterized by highly variable manifestations of growth and developmental delays, upper limb involvement, hypertrichosis, cardiac, gastrointestinal, craniofacial, and other systemic features. Pathogenic variants in genes encoding cohesin complex structural subunits and regulatory proteins (NIPBL, SMC1A, SMC3, HDAC8, and RAD21) are the major pathogenic contributors to CdLS. Heterozygous or hemizygous variants in the genes encoding these five proteins have been found to be contributory to CdLS, with variants in NIPBL accounting for the majority (>60%) of cases, and the only gene identified to date that results in the severe or classic form of CdLS when mutated. Pathogenic variants in cohesin genes other than NIPBL tend to result in a less severe phenotype. Causative variants in additional genes, such as ANKRD11, EP300, AFF4, TAF1, and BRD4, can cause a CdLS-like phenotype. The common role that these genes, and others, play as critical regulators of developmental transcriptional control has led to the conditions they cause being referred to as disorders of transcriptional regulation (or "DTRs"). Here, we report the results of a comprehensive molecular analysis in a cohort of 716 probands with typical and atypical CdLS in order to delineate the genetic contribution of causative variants in cohesin complex genes as well as novel candidate genes, genotype-phenotype correlations, and the utility of genome sequencing in understanding the mutational landscape in this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,661
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,277
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations41
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Medical Genetics Part AMême sujetGenomics and Chromatin DynamicsTravaux en français237 207