Giant axonal neuropathy (GAN): cross-sectional data on phenotypes, genotypes, and proteomic signature from a German cohort
Notice bibliographique
Résumé
Giant axonal neuropathy (GAN) is a progressive neurodegenerative disease affecting the peripheral and central nervous system and is caused by bi-allelic variants in the GAN gene, leading to loss of functional gigaxonin protein. A treatment does not exist, but a first clinical trial using a gene therapy approach has recently been completed. Here, we conducted the first systematic study of GAN patients treated by German-speaking child neurologists. We collected clinical, genetic, and epidemiological data from a total of 15 patients representing one of the largest cohorts described thus far. Average age of patients was 11.7 years at inclusion. The most frequently reported symptoms (HPO coded) were gait disturbance and muscle weakness, abnormality of muscle size, and abnormal reflexes. In line with the frequency of homozygous variants, in five families, parents reported being at least distantly related. In 14 patients, diagnosis was confirmed by molecular genetic testing, revealing eight different GAN variants, four being reported as pathogenic in the literature. Proteomics of white blood cells derived from four patients was conducted to obtain unbiased insights into the underlying pathophysiology and revealed dysregulation of 111 proteins implicated in diverse biological processes. Of note, diverse of these proteins is known to be crucial for proper synaptic function and transmission and affection of intermediate filament organisation and proteolysis, which is in line with the known functions of gigaxonin.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».