Genomic insights from a deeply phenotyped highly consanguineous neurodevelopmental disorders cohort
Notice bibliographique
Résumé
PURPOSE: The genetic underpinning of neurodevelopmental disorders (NDDs) in diverse ethnic populations, especially those with high rates of consanguinity, remains largely unexplored. Here, we aim to elucidate genomic insight from 576 well-phenotyped and highly consanguineous (16%) NDD cohort. METHODS: We used chromosomal microarray (CMA; N:247), exome sequencing (ES; N:127), combined CMA and ES (N:202), and long-read genome sequencing to identify genetic etiology. Deep clinical multivariate data were coupled with genomic variants for stratification analysis. RESULTS: Genetic diagnosis rates were 17% with CMA, 29.92% with ES, and 37.13% with combined CMA and ES. Notably, children of consanguineous parents showed a significantly higher diagnostic yield (P < .01) compared to those from nonconsanguineous parents. Among the ES-identified pathogenic variants, 36.19% (38/105) were novel, implicating 35 unique genes. Long-read sequencing of seizure participants unresolved by combined test identified expanded FMR1 trinucleotide repeats. Additionally, we identified 2 recurrent X-linked variants in the G6PD in 3.65% (12/329) of NDD participants. These variants were absent in large-population control cohorts and cohort comprising neurodevelopmental and neuropsychiatric populations of European descendants, indicating a possible associated risk factor potentially resulting from ancient genetic drift. CONCLUSION: This study unveils unique clinical and genomic insights from a consanguinity rich Bangladeshi NDD cohort.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».