Identification of the Genetic Causes of Inherited Diseases in a North African Biobank: Implications for Genetic Diagnosis
Notice bibliographique
Résumé
Introduction: In North Africa, genetic diseases are widespread but under-studied due to limited research resources. This study used exome sequencing to identify disease-causing variants in a large series of Moroccan patients with suspected genetic diseases. Methods: A cohort of 30 patients with genetic diseases from the BRO Biobank underwent exome sequencing. Candidate variants were evaluated by segregation analysis and molecular modeling. Results: Thirty-one variants were identified in 27 known genes. Interestingly, 54.8% of these variants were novel and therefore could be specific to the Moroccan population. Pathogenic or likely pathogenic disease-causing variants were identified in 22 of 30 patients, leading to a genetic testing yield of 73.3%. Moreover, the identified variants, classified as of uncertain significance, likely benign or benign, were predicted to alter protein structure using in silico modeling of 3D protein structure. The diagnosis was changed in 23% of patients with suspected genetic syndromes, and the etiology was determined in all patients with unrecognizable genetic disorder. Conclusion: This study represents the largest biobank-based study of inherited diseases in a North African country. It illustrates the genetic variability of the Moroccan population and improves our understanding of genotype-phenotype correlations. Furthermore, the relatively high yield of genetic testing obtained in this study justifies the need to implement exome sequencing in the clinical setting in Morocco for better genetic diagnosis.
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 | 0,002 | 0,005 |
| 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) | 0,002 | 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 ».