EEFSEC deficiency: A selenopathy with early-onset neurodegeneration
Notice bibliographique
Résumé
Inborn errors of selenoprotein expression arise from deleterious variants in genes encoding selenoproteins or selenoprotein biosynthetic factors, some of which are associated with neurodegenerative disorders. This study shows that bi-allelic selenocysteine tRNA-specific eukaryotic elongation factor (EEFSEC) variants cause selenoprotein deficiency, leading to progressive neurodegeneration. EEFSEC deficiency, an autosomal recessive disorder, manifests with global developmental delay, progressive spasticity, ataxia, and seizures. Cerebral MRI primarily demonstrated a cerebellar pathology, including hypoplasia and progressive atrophy. Exome or genome sequencing identified six different bi-allelic EEFSEC variants in nine individuals from eight unrelated families. These variants showed reduced EEFSEC function in vitro, leading to lower levels of selenoproteins in fibroblasts. In line with the clinical phenotype, an eEFSec-RNAi Drosophila model displays progressive impairment of motor function, which is reflected in the synaptic defects in this model organisms. This study identifies EEFSEC deficiency as an inborn error of selenocysteine metabolism. It reveals the pathophysiological mechanisms of neurodegeneration linked to selenoprotein metabolism, suggesting potential targeted therapies.
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 ».