MétaCan
Menu
Retour à la cohorte
Enregistrement W4387877932 · doi:10.37980/im.journal.ggcl.20232267

Variant identification and interpretation

2023· article· en· W4387877932 sur OpenAlexaff
Jorge David Mendez-Rios

Notice bibliographique

RevueGenetics and Clinical Genomics · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensCentre hospitalier de l'Université Laval
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

The process of variant identification by molecular technologies, through sequencing or array-based methods, is a complex process that requires protocols, quality controls, and technical and clinical knowledge. The complexity of the process does not end with the identification of a genomic variant, but molecular geneticists and clinicians must have sufficient knowledge and experience to interpret the finding and suggest the impact that this variant may or may not have on the patient.Interpretation is not an isolated exercise, but requires repetitive review and systematic review of the available literature on the variant in question. It also requires knowledge of epidemiology, statistics and research methodology to be able to establish a reasonable interpretation with the greatest possible certainty, which is especially important in a clinical setting. Mastering new computer resources such as variant databases (ClinVar, ClinGen, among others) and knowing the population frequency of that variant are additional skills necessary in the exercise of clinical molecular diagnosis. For this reason, in this issue we are pleased to present three clinical cases focused on molecular diagnostics: a case of Allan-Herndon-Dudley Syndrome, another on familial hypercholesterolemia, and finally, a third clinical case on Pitt-Hopkins Syndrome. The three present different approaches, perspectives, and conclusions, allowing us to see the methodologies already implemented in our region. We also present an article on pain and its genetic basis, putting into perspective the variability of perception of each individual to pain stimuli, which may depend on genetic, epigenetic and environmental factors.This issue shows our regional efforts to carry out molecular diagnostics and precision medicine, which are already a reality in our countries, and at the same time, we share knowledge and experiences, which will allow us to document the advances in this discipline of Genetics and Clinical Genomics. Once again, we thank you, our reader, for appreciating this group effort, and we invite you to participate in this academic exercise in our next issues. We hope you will once again enjoy this second issue we have prepared for you.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,081
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0150,005
Études des sciences et des technologies0,0020,002
Communication savante0,0050,002
Science ouverte0,0050,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0380,017

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 Opus0,017
Tête enseignante GPT0,312
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenetics and Clinical GenomicsMême sujetGenomics and Rare DiseasesTravaux en français237 207