MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390196053 · doi:10.1002/alz.078497

Structural variants in Lewy body dementia and frontotemporal dementia spectrum

2023· article· en· W4390196053 sur OpenAlexaff
Karri Kaivola, Ruth Chia, Jinhui Ding, Memoona Rasheed, Masashi Fujita, Vilas Menon, Ronald L. Walton, Ryan L. Collins, Kimberley J. Billingsley, Harrison Brand, Michael E. Talkowski, Xuefang Zhao, Ramita Dewan, Anindita Ray, Sultana Solaiman, Pilar Álvarez Jerez, Laksh Malik, Ted M. Dawson, Liana S. Rosenthal, Marilyn S. Albert, Olga Pletnikova, Juan C. Troncoso, Mario Masellis, Julia Keith, Sandra E. Black, Luigi Ferrucci, Susan M. Resnick, Toshiko Tanaka, Eric J. Topol, Ali Torkamani, Pentti J. Tienari, Tatiana Foroud, Bernardino Ghetti, John E. Landers, Mina Ryten, Huw R. Morris, John Hardy, Letizia Mazzini, Sandra D’Alfonso, Cristina Moglia, Andrea Calvo, Geidy E. Serrano, Thomas G. Beach, Tanis J. Ferman, Neill R. Graff‐Radford, Bradley F. Boeve, Zbigniew K. Wszołek, Dennis W. Dickson, Adriano Chiò, David A. Bennett, Philip L. De Jager, Owen A. Ross, Clifton L. Dalgard, J. Raphael Gibbs, Bryan J. Traynor, Sonja W. Scholz

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFrontotemporal dementiaC9orf72DementiaLewy bodyGeneticsStructural variationAmyotrophic lateral sclerosisComputational biologyBiologyMedicineDiseaseGenomeGeneInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Structural variants range from simple loss or gain of genetic material to complex events that restructure entire chromosomes. This heterogeneity coupled with variant size greater than sequencing read‐length makes structural variant mapping from short‐read sequencing data difficult and error‐prone. Consequently, the role of structural variants is poorly explored in many phenotypes, including dementia. Method We used the GATK‐SV pipeline that combines four external structural variant mapping algorithms with machine‐learning to build high‐quality consensus structural variant calls. We applied GATK‐SV to short‐read whole‐genome sequencing data of 2,601 frontotemporal dementia‐amyotrophic lateral sclerosis spectrum (FTD/ALS) patients, 2,612 Lewy body dementia (LBD) patients, and 4,132 neurologically unaffected participants. Result After stringent quality‐control, we performed genome‐wide association studies on 2,307 ALS/FTD patients versus 3,677 controls with 4,699 common structural variants and 2,355 LBD patients versus 3,700 controls with 4,889 common structural variants. In the FTD/ALS cohort, we identified well‐known risk variants at the C9orf72 (p‐value = 4.99×10‐18, OR = 14.47, 95% CI = 7.90–26.49) and MAPT loci (p‐value = 3.48×10‐6, OR = 0.77, 95% CI = 0.68–0.86) corroborating the ability of our pipeline to identify disease‐associated structural variants. Moreover, we discovered, replicated, and validated TPCN1 as a novel risk locus for LBD (p‐value = 9.18×10‐6, OR = 1.43, 95% CI = 1.22–1.67). Further, we identified rare exonic variants with known pathogenic or likely pathogenic effects, such as an SNCA gene duplication in LBD and a deletion of exons 1 and 2 in CHCHD10 in FTD/ALS. We additionally observed structural variants in regulatory regions, e.g. a deletion of a key PSEN2 enhancer, which resulted in an approximate 0.70 fold‐change in PSEN2 expression in LBD. Finally, we built an interactive web app where structural variants can be visualized and explored ( https://ndru-ndrs-lng-nih.shinyapps.io/non_ad_dementias_sv_app/ ). Conclusion Common and rare structural variants play a role in LBD and FTD/ALS. Our structural variant resource is publicly available and can be used to further explore the role of structural variants in LBD and FTD/ALS.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,040
Tête enseignante GPT0,306
Écart entre enseignants0,266 · 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→