Workshop report: the clinical application of data from multiplex assays of variant effect (MAVEs), 12 July 2023
Notice bibliographique
Résumé
Clinical classification of genomic variants identified on sequencing is often challenging, with many variants classified as Variants of Uncertain Significance (VUS) on account of insufficient evidence. Advances in sequencing and gene synthesis has made feasible multiplexed assays of variant effect (MAVEs), which quantify the functional impact of many thousands of genomic variants in a single experiment. These assays and the functional evidence they generate have the potential to empower more accurate clinical variant classification. However, there are many outstanding challenges and opportunities that require joint resolution and specification, thus necessitating communication between the research scientists who have designed and performed MAVEs and the clinicians and diagnostic scientists who will apply their data to clinical variant classification. In the ‘Clinical Application of MAVE Data’ workshop, held on 12th July 2023 at the Wellcome Connecting Science Conference Centre in between two relevant research meetings, ‘Curating the Clinical Genome 2023’ and the ‘Mutational Scanning Symposium 2023’, 44 key scientific and/or clinical stakeholders were brought together to consider important questions relating to clinical application of MAVE data, such as quantitative validation, variant truth-sets, platforms and standards for dissemination of MAVE data. The outcomes and possible next steps that were discussed encompassed development of focused workshops to develop consensus recommendations, creating a MAVE evaluation working group, and collaboration of ClinVar and MaveDB to enact software changes that support enhanced functional data submission.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 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 ».