MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390200918 · doi:10.1002/alz.078637

Familial relatedness in genetic frontotemporal dementia cohorts: findings from the international Frontotemporal Dementia Prevention Initiative

2023· article· en· W4390200918 sur OpenAlexaffabout
Eliana Marisa Ramos, Saira Saeed Mirza, Kevin Wojta, Zhongan Yang, Andrew D. Paterson, Ekaterina Rogaeva, Danielle Brushaber, Tatiana Foroud, Leah K. Forsberg, Hilary W. Heuer, Lucy L. Russell, Argentina Lario Lago, Rosa Rademakers, Bradley F. Boeve, Howard J. Rosen, Jonathan D. Rohrer, Adam L. Boxer, Mario Masellis, Daniel H. Geschwind

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensOccupational Cancer Research CentreHospital for Sick ChildrenSunnybrook HospitalUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésFrontotemporal dementiaDementiaCohortGeneticsMedicinePsychologyBiologyDiseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Given the rarity of genetic frontotemporal dementia (FTD), researchers across the world have come together to form the FTD Prevention Initiative (FPI) in an effort to improve prevention trials design. As this initiative begins to bring together large‐scale data from worldwide cohort series, including ALLFTD in North America and GENFI in Europe and Canada, it is critical for FPI to quantify the level of relatedness between all participants. Here we provide the most recent update to these ongoing analyses. Methods Genome‐wide SNP genotyping data from 1,684 ALLFTD and 568 GENFI participants was used to perform lineage analyses using PLINK. Briefly, QC was performed similarly in all datasets to remove individuals with low call rate and filter autosomal SNPs for missingness, frequency, and deviation from Hardy‐Weinberg equilibrium. Genetic ancestry was inferred by projecting genotyped samples into the principal components of the 1000 Genomes reference panel, using R package bigsnpr. Overlapping ALLFTD and GENFI genotyping data was then used, in a two‐stage approach, to calculate pairwise identity‐by‐descent (IBD) estimates and KING coefficients, followed by family‐network identification and pedigree reconstruction using PRIMUS. Results First, we calculated IBD estimates among all participants by restricting pairs to those with estimates>0.1875 (up to second‐degree relatives). Overall, we identified a total of 292 second‐degree family networks, including 168 ALLFTD and 120 GENFI families, mostly associated with pathogenic variants in the 3 major FTD‐causing genes. We also identified 4 family networks with participants enrolled in both the ALLFTD and GENFI series, as well as several multi‐site families within the ALLFTD consortium. This first, overall approach allowed us to predict close relationships even between individuals with different ancestral backgrounds, including at least 4 confirmed admixed families. More distant relationships were also detected within ALLFTD and GENFI by performing ancestry‐based analysis among participants with estimated European ancestry, using the KING‐robust algorithm. Conclusions These lineage analyses allowed us to identify, otherwise unknown, close (and distant) relatives from different study sites, as well as within the ALLFTD and GENFI series. This dataset will be a crucial resource to increase statistical accuracy and power in upcoming collaborative FPI studies.

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)0,007
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,003
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 Opus0,065
Tête enseignante GPT0,318
Écart entre enseignants0,253 · 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'admission2
Résumé présentoui

Explorer davantage

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