Targeted exome sequencing strategy (<scp>NeoEXOME</scp>) for Chinese newborns using a pilot study with 3423 neonates
Notice bibliographique
Résumé
BACKGROUND: Newborn screening (NBS) aims to detect congenital anomalies, and next-generation sequencing (NGS) has shown promise in this aspect. However, the NBS strategy for monogenic inherited diseases in China remains insufficient. METHODS: We developed a NeoEXOME panel comprising 601 genes that are relevant to the Chinese population found through extensive research on available databases. An interpretation system to grade the results into positive (high-risk, moderate-risk, and low-risk genotypes), negative, and carrier according to the American College of Medical Genetics (ACMG) guidelines was also developed. We validated the panel to evaluate its efficacy by using data from the "1000 Genomes Project" and conducted a pilot multicenter study involving 3423 neonates. RESULTS: The NGS positive rate in the 1000 Genomes Project was 7.6% (23/301), whereas the rate was 12.0% in the multicenter study, including 3249 recruited neonates. Notably, in 200 neonates, positive per conventional NBS, 58.5% (69/118) showed results consistent with NGS. In the remaining 3049 neonates showing negative results in conventional NBS, 271 (8.9%) were positive per NGS, and nine of them were clinically diagnosed with diseases in the follow-up. CONCLUSION: We successfully designed a NeoEXOME panel for targeted sequencing of monogenic inherited diseases in NBS. The panel demonstrated high performance in the Chinese population, particularly for the early detection of diseases with no biochemical markers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».