DNA methylation analysis in patients with neurodevelopmental disorders improves variant interpretation and reveals complexity
Notice bibliographique
Résumé
Analysis of genomic DNA methylation by generating epigenetic signature profiles (episignatures) is increasingly being implemented in genetic diagnosis. Here we report our experience using episignature analysis to resolve both uncomplicated and complex cases of neurodevelopmental disorders (NDDs). We analyzed 97 NDDs divided into (1) a validation cohort of 59 patients with likely pathogenic/pathogenic variants characterized by a known episignature and (2) a test cohort of 38 patients harboring variants of unknown significance or unidentified variants. The expected episignature was obtained in most cases with likely pathogenic/pathogenic variants (53/59 [90%]), a revealing exception being the overlapping profile of two SMARCB1 pathogenic variants with ARID1A/B:c.6200, confirmed by the overlapping clinical features. In the test cohort, five cases showed the expected episignature, including (1) novel pathogenic variants in ARID1B and BRWD3; (2) a deletion in ATRX causing MRXFH1 X-linked mental retardation; and (3) confirmed the clinical diagnosis of Cornelia de Lange (CdL) syndrome in mutation-negative CdL patients. Episignatures analysis of the in BAF complex components revealed novel functional protein interactions and common episignatures affecting homologous residues in highly conserved paralogous proteins (SMARCA2 M856V and SMARCA4 M866V). Finally, we also found sex-dependent episignatures in X-linked disorders. Implementation of episignature profiling is still in its early days, but with increasing utilization comes increasing awareness of the capacity of this methodology to help resolve the complex challenges of genetic diagnoses.
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) | 0,000 | 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 | 0,000 | 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 ».