Simultaneous Detection of Common Founder Mutations Using a Cost-Effective Deep Sequencing Panel
Notice bibliographique
Résumé
Inherited retinal diseases (IRDs) are a clinically and genetically heterogeneous group of diseases which cause visual loss due to Mendelian mutations in over 250 genes, making genetic diagnosis challenging and time-consuming. Here, we developed a new tool, CDIP (Cost-effective Deep-sequencing IRD Panel) in which a simultaneous sequencing of common mutations is performed. CDIP is based on simultaneous amplification of 47 amplicons harboring common mutations followed by next-generation sequencing (NGS). Following five rounds of calibration of NGS-based steps, CDIP was used in 740 IRD samples. The analysis revealed 151 mutations in 131 index cases. In 54 (7%) of these cases, CDIP identified the genetic cause of disease (the remaining were single-heterozygous recessive mutations). These include a patient that was clinically diagnosed with retinoschisis and found to be homozygous for NR2E3-c.932G>A (p.R311Q), and a patient with RP who is hemizygous for an RPGR variant, c.292C>A (p.H98N), which was not included in the analysis but is located in proximity to one of these mutations. CDIP is a cost-effective deep sequencing panel for simultaneous detection of common founder mutations. This protocol can be implemented for additional populations as well as additional inherited diseases, and mainly in populations with strong founder effects.
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 ».