Diagnostic Utility of Exome Data Reanalysis After <i>In Silico</i> Multi‐Gene Panels or Clinical Exome Testing for Patients With Epilepsy and Developmental Delay/Intellectual Disability: A Retrospective Cohort Study
Notice bibliographique
Résumé
Epilepsy is a relatively common condition with genetic factors contributing significantly to its etiology. Advances in next-generation sequencing have dramatically increased the number of known epilepsy genes, improving diagnostic capabilities and patient care. However, 50%-80% of epilepsy patients remain undiagnosed after genomic testing, which includes chromosomal microarray, multigene panels, and genome-wide sequencing. Reanalysis of existing exome sequencing data has shown promise in increasing diagnostic yield. In this study, we reanalyzed exome sequencing data from 87 individuals with unsolved epilepsy and developmental delay or intellectual disability in Ontario, Canada. Our approach combined clinical and translational research methodologies to identify genetic variants linked to epilepsy. We obtained a diagnostic yield of 14.9%, solving 13 participants, with 11 involving known genes and two novel gene discoveries. In addition, 11 potential diagnoses were identified, suggesting that further investigation could confirm additional diagnoses. Factors such as the inclusion of additional family data, new disease-gene associations, and technological advancements contributed to these findings. This study highlights the importance of reanalysis as a cost-effective and timely approach to improving diagnostic yield in epilepsy associated with neurodevelopmental delay.
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 | 0,001 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».