Prioritization of Monogenic Congenital Anomalies of the Kidney and Urinary Tract Candidate Genes with Existing Single-Cell Transcriptomics Data of the Human Fetal Kidney
Notice bibliographique
Résumé
INTRODUCTION: Congenital anomalies of the kidney and urinary tract (CAKUT) are the most common cause of chronic kidney disease in the first 3 decades of life. Over 40 genes have been identified as causative for isolated human CAKUT. However, many genes remain unknown, and the prioritization of potential CAKUT candidate genes is challenging. To develop an independent approach to prioritize CAKUT candidate genes, we hypothesized that monogenic CAKUT genes are most likely co-expressed along a temporal axis during kidney development and that genes with coinciding high expression may represent strong novel CAKUT candidate genes. METHODS: We analyzed single-cell mRNA (sc-mRNA) transcriptomics data of human fetal kidney for temporal sc-mRNA co-expression of 40 known CAKUT genes. A maximum of high expression in consecutive timepoints of kidney development was found for four of the 40 genes (EYA1, SIX1, SIX2, and ITGA8) in nephron progenitor cells a, b, c, d (NPCa-d). We concluded that NPCa-d are relevant for CAKUT pathogenesis and intersected two lists of CAKUT candidate genes resulting from unbiased whole-exome sequencing (WES) with the 100 highest expressed genes in NPCa-d. RESULTS: Intersection of the 100 highest expressed genes in NPCa-d with WES-derived CAKUT candidate genes identified an overlap with the candidate genes KIF19, TRIM36, USP35, CHTF18, in each of which a biallelic variant was detected in different families with CAKUT. CONCLUSION: Sc-mRNA expression data of human fetal kidney can be utilized to prioritize WES-derived CAKUT candidate genes. KIF19, TRIM36, USP35, and CHTF18 may represent strong novel candidate genes for CAKUT.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».