MétaCan
Menu
Retour à la cohorte
Enregistrement W4391377618 · doi:10.3390/genes15020193

Sequence Analysis of Six Candidate Genes in Miniature Schnauzers with Primary Hypertriglyceridemia

2024· article· en· W4391377618 sur OpenAlexaff
Nicole M. Tate, Michaela Underwood, Alison Thomas‐Hollands, Katie M. Minor, Jonah N. Cullen, Steven G. Friedenberg, James R. Mickelson, Panagiotis G. Xenoulis, Jöerg M. Steiner, Eva Furrow

Notice bibliographique

RevueGenes · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueLipid metabolism and disorders
Établissements canadiensBP (Canada)
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institutes of Health
Mots-clésGeneticsCandidate geneApolipoprotein EBiologySingle-nucleotide polymorphismGeneMedicineGenotypeInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Miniature Schnauzers are predisposed to primary hypertriglyceridemia (HTG). In this study, we performed whole genome sequencing (WGS) of eight Miniature Schnauzers with primary HTG and screened for risk variants in six HTG candidate genes: LPL, APOC2, APOA5, GPIHBP1, LMF1, and APOE. Variants were filtered to identify those present in ≥2 Miniature Schnauzers with primary HTG and uncommon (<10% allele frequency) in a WGS variant database including 613 dogs from 61 other breeds. Three variants passed filtering: an APOE TATA box deletion, an LMF1 intronic SNP, and a GPIHBP1 missense variant. The APOE and GPIHBP1 variants were genotyped in a cohort of 108 Miniature Schnauzers, including 68 with primary HTG and 40 controls. A multivariable regression model, including age and sex, did not identify an effect of APOE (estimate = 0.18, std. error = 0.14; p = 0.20) or GPIHBP1 genotypes (estimate = −0.26, std. error = 0.42; p = 0.54) on triglyceride concentration. In conclusion, we did not identify a monogenic cause for primary HTG in Miniature Schnauzers in the six genes evaluated. However, if HTG in Miniature Schnauzers is a complex disease resulting from the cumulative effects of multiple variants and environment, the identified variants cannot be ruled out as contributing factors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,178
Score d'incertitude au seuil0,398

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,269
Écart entre enseignants0,256 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenesMême sujetLipid metabolism and disordersTravaux en français237 207