Pharmacogenomic allele coverage of genome-wide genotyping arrays: a comparative analysis
Notice bibliographique
Résumé
The use of genome-wide genotyping arrays in pharmacogenomics (PGx) research and clinical implementation applications is increasing but it is unclear which arrays are best suited for these applications. Here, we conduct a comparative coverage analysis of PGx alleles included on genome-wide genotyping arrays, with an emphasis on alleles in genes with PGx-based prescribing guidelines. Genomic manifest files for seven arrays including the Axiom Precision Medicine Diversity Array (PMDA), Axiom PMDA Plus, Axiom PangenomiX, Axiom PangenomiX Plus, Infinium Global Screening Array, Infinium Global Diversity Array (GDA) and Infinium GDA with enhanced PGx (GDA-PGx) Array, were evaluated for coverage of 523 star alleles across 19 pharmacogenes included in prescribing guidelines developed by the Clinical Pharmacogenetic Implementation Consortium and Dutch Pharmacogenomics Working Group. Specific attention was given to coverage of the Association of Molecular Pathology's Tier 1 and Tier 2 allele sets for CYP2C9, CYP2C19, CYP2D6, CYP3A4, CYP3A5, NUDT15, TPMT and VKORC1 . Coverage of the examined PGx alleles was highest for the Infinium GDA-PGx (88%), Axiom PangenomiX Plus (77%), Axiom PangenomiX (72%) and Axiom PMDA Plus (70%). Three arrays (Infinium GDA-PGx, Axiom PangenomiX Plus and Axiom PMDA Plus) fully covered the Tier 1 alleles and the Axiom PangenomiX array provided full coverage of Tier 2 alleles. In conclusion, PGx allele coverage varied by gene and array. A superior array for all PGx applications was not identified. Future comparative analyses of genotype data produced by these arrays are needed to determine the robustness of the reported coverage estimates.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».