Sequencing methods, functional characterization, prevalence, and penetrance of rare coding mutations in panels of monogenic obesity genes from the leptin‐melanocortin pathway: A systematic review
Notice bibliographique
Résumé
The recent development of next-generation sequencing (NGS) technologies has led to an increase of mutation screening reports of monogenic obesity genes in diverse experimental designs. However, no study to date has summarized their findings. Two reviewers independently conducted a systematic review of MEDLINE, Embase, and Web of Science Core Collection databases from inception to September 2022 to identify monogenic non-syndromic obesity gene screening studies. Of 1051 identified references, 31 were eligible after title and abstract screening and 28 after full-text reading and risk of bias and quality assessment. Most studies (82%) used NGS methods. The number of genes screened varied from 2 to 12 genes from the leptin-melanocortin pathway. While all the included studies used in silico tools to assess the functional status of mutations, only 2 performed in vitro tests. The prevalence of carriers of pathogenic/likely pathogenic monogenic mutations is 13.24% on average (heterozygous: 12.31%; homozygous/heterozygous composite: 0.93%). As no study reported the penetrance of pathogenic mutations on obesity, we estimated that homozygous carriers exhibited a complete penetrance (100%) and heterozygous carriers a variable penetrance (3-100%). The review provides an exhaustive description of sequencing methods, functional characterization, prevalence, and penetrance of rare coding mutations in monogenic non-syndromic obesity genes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».