Advancing Genotype-Phenotype Analysis through 3D Facial Morphometry: Insights from Cri-du-Chat Syndrome
Notice bibliographique
Résumé
Purpose: Facial dysmorphism is a feature of many monogenic disorders, and is important in diagnostics, variant interpretation and nosology. Nevertheless, comprehensively assessing the complex facial shape changes associated with specific syndromes remains challenging. Here, we present 3D morphometric approaches to overcome these limitations, utilizing Cri-du-Chat syndrome (CdCS) as a model. Methods: We analyzed 3D facial photos from 24 individuals with CdCS, 4540 unaffected controls and 5 individuals with rare 5p15.33-15.32 deletions, incorporating two methods to account for age- and sex-related facial variation. We quantified phenotypic variation within and between groups and explored genotype-phenotype correlations in CdCS. Results: We identified changes in the characteristic facial features of CdCS with age and found that facial shape in CdCS differed from controls in highly consistent directions, but with varying magnitudes of effect. 5p15.33-15.32 heterozygotes had non-specific dysmorphic features that were objectively different from those in CdCS, delineating multiple critical regions for facial dysmorphism on chromosome 5p. Conclusion: This work explores 3D facial morphometry to complement the standard clinical assessment of facial dysmorphism. It provides insights into the genetic basis of facial shape in CdCS and highlights the potential of 3D morphometric techniques to facilitate clinical diagnostics, variant interpretation, and delineation of syndrome nosology.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».