MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390195142 · doi:10.1002/alz.078351

Association of low‐frequency and rare variants with cognition in genetic frontotemporal dementia: Results from GENFI

2023· article· en· W4390195142 sur OpenAlexaff
Saira Saeed Mirza, Andrew D. Patterson, Maria Carmela Tartaglia, Sara Mitchell, Sandra E. Black, Morris Freedman, David F. Tang‐Wai, Ekaterina Rogaeva, David M. Cash, Martina Bocchetta, John C. van Swieten, Robert Laforce, Fabrizio Tagliavini, Barbara Borroni, Daniela Galimberti, James B. Rowe, Caroline Graff, Elizabeth Finger, Sandro Sorbi, Alexandre de Mendonça, Christopher Butler, Alexander Gerhard, Raquel Sánchez‐Valle, Fermín Moreno, Matthis Synofzik, Rik Vandenberghe, Simon Ducharme, Johannes Levin, Adrian Danek, Markus Otto, Isabel Santana, Jonathan D. Rohrer, Mario Masellis

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensMcGill UniversityWestern UniversityUniversité LavalOntario Brain InstituteBaycrest HospitalHealth Sciences CentreOccupational Cancer Research CentreSunnybrook HospitalUniversity of TorontoSickKids FoundationSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésFrontotemporal dementiaGeneticsDementiaMinor allele frequencyAlleleC9orf72PopulationFrameshift mutationAllele frequencyBiologyPsychologyMedicineMutationDiseaseGeneInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Frontotemporal dementia (FTD) is a neurodegenerative disorder characterized by heterogeneous clinical, pathological, and genetic features. Mutations in three genes account for the majority of autosomal dominant FTD: GRN, MAPT, and C9orf72. We tested whether gene‐based aggregate burden of genome‐wide low frequency variants contribute to variation in executive function, memory, and language performance in the GENetic Frontotemporal dementia Initiative (GENFI), after controlling for effects of causative mutations. Method GENFI recruits symptomatic and presymptomatic participants from families segregating genetic FTD. We included 565 participants with genotype (Neurochip; imputed against TOPMed), and neuropsychological data. Gene‐based burden tests that aggregate the number of rare alleles by gene, were used to examine the association of low‐frequency variants (minor allele frequency: 0.000001 to <0.05) with factor scores of executive function, memory, and language, controlling for age, sex, education, mutation status, population stratification, and family membership (kinship matrix) in multiple linear regression models. Cognitive factor scores were derived from Confirmatory Factor Analyses. In two separate analyses, we used the following set of annotations to account for (i) loss of function mutations (LOF): start gain, stop loss, start loss, essential splice site, stop gain, normal splice site, and non‐synonymous, (ii) insertions, deletions, and frameshift mutations (indel‐fs). Result Of the 565 participants (316 women), 307 were mutation carriers (symptomatic = 108). For LOF mutations, aggregate burden of variants in FAM183A reached statistical significance (741 genes tested; significance threshold: p = 0.05/731 = 6.7×10−5) for executive function (standardized β:4.2; p = 6.0×10−5), whereas IPO13 (standardized β: ‐1.7; p = 3.1×10−5) and FAAHP1 (standardized β: ‐1.7; p = 1.8×10−5) were significant for memory. For the indel‐fs mutations, HMGB4 was associated with worse memory function (standardized β: ‐0.95; p = 5.9×10−6). No genes were significantly associated with language. [Gene info: (i) FAM183A‐codes a ciliary‐base protein; location1p34.2; associated with autosomal recessive intellectual disability. (ii) IPO13‐a nuclear transporter gene; location 1p34.1; associated with Partington syndrome and Agenesis corpus callosum with abnormal genitalia. (iii) HMGB4‐a transcription regulator gene; location 1p35.1]. Conclusion Identification of low frequency variants contributing to disease phenotypes may help identify genetic modifiers of familial FTD. Replication of results followed by functional studies are required.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,274
Écart entre enseignants0,244 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAmyotrophic Lateral Sclerosis Research→Travaux en français237 207→