MétaCan
Menu
Retour à la cohorte
Enregistrement W4403463613 · doi:10.1210/clinem/dgae730

Distinguishing Genetic Alterations Versus (Epi)Mutations in Silver–Russell Syndrome and Focus on the <i>IGF1R</i> Gene

2024· article· en· W4403463613 sur OpenAlexaff
Alessandro Vimercati, Pierpaola Tannorella, Sara Guzzetti, Luciano Calzari, Davide Gentilini, Emanuela Manfredini, Giulia Gori, Rossella Gaudino, Vincenzo Antona, Maria Piccione, Cecilia Daolio, Renata Auricchio, Fabio Sirchia, Antonella Minelli, Elena Rossi, Melissa Bellini, Giacomo Biasucci, Annalisa Russo Raucci, Gabriella Pozzobon, Giuseppa Patti, Flavia Napoli, Lidia Larizza, Mohamad Maghnie, Silvia Russo

Notice bibliographique

RevueThe Journal of Clinical Endocrinology & Metabolism · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Syndromes and Imprinting
Établissements canadiensUniversity Hospital Foundation
Organismes subventionnairesMinistero della Salute
Mots-clésMacrocephalyGeneticsGenetic heterogeneityContext (archaeology)Genetic testingBiologyGenotypeAlleleMedicineGenePhenotype

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Silver-Russell Syndrome (SRS) is a growth retardation disorder characterized by pre- and postnatal growth failure, relative macrocephaly at birth, prominent forehead, body asymmetry, and feeding difficulties. The main molecular mechanisms are imprinting alterations at multiple loci, though a small number of pathogenic variants have been reported in the SRS genes IGF2-PLAG1-HMGA2 and CDKN1C. However, around 40% of clinically suspected SRS cases do not achieve a molecular diagnosis, highlighting the necessity to uncover the underlying mechanism in unsolved cases. OBJECTIVE: Evaluate the frequency of genetic variants in undiagnosed SRS patients [Netchine-Harbison Clinical Scoring System (NH-CSS) ≥ 4], and investigate whether (epi)genetic patients may be distinguished from genetic patients. METHODS: One hundred thirty-two clinically SRS patients without (epi)genetic deregulations were investigated by whole-exome (n = 15) and targeted (n = 117) Sequencing. Clinical data from our cohort and from an extensive revision of the literature were compared. RESULTS: Pathogenic variants were identified in 9.1% of this cohort: 3% in IGF2, PLAG1, and HMGA2 genes and 3% in the IGF1R gene, associated with IGF-1 resistance (IGF1RES), an SRS differential diagnosis. Overall, IGF2-PLAG1-HMGA2 and IGF1R account for 3.6% of SRS with NH-CSS score ≥ 4. A clinical cross-comparison of (epi)genetic vs genetic SRS underlined (epi)genotype-phenotype correlation highlighted the prevalence of body asymmetry and relative macrocephaly in mosaic (epi)genetic SRS and recurrence of genetic familial cases. Furthermore, overlapping features were evidenced in (epi)genetic SRS and IGF1RES patients. CONCLUSION: Our study explores the frequency of genetic SRS, underscores body asymmetry as a distinctive phenotype in (epi)genetic SRS and suggests IGF1R sequencing in a SRS diagnostic flowchart.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,743
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,338
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Clinical Endocrinology & MetabolismMême sujetGenetic Syndromes and ImprintingTravaux en français237 207