Inferring chromosome segregation error stage and crossover in trisomic disorders with application to Down syndrome
Notice bibliographique
Résumé
Errors in chromosome segregation during gametogenesis, such as nondisjunction (NDJ) errors, have severe consequences in human reproduction, and a better understanding of their etiology is of fundamental interest in genetics. Mapping NDJ errors to meiotic/mitotic stages typically requires proband-parent comparison, limiting its applicability. Herein, we develop Mis-segregation Error Identification through Hidden Markov Models (MeiHMM), a method for inferring NDJ error stage and crossover events based on only genomic data of trisomic probands. Guided by triallelic genotype/haplotype configurations, MeiHMM discerns the allelic origin at each locus, which informs NDJ error during gamete formation, without identifying the parental origin of the trisomy. In 152 Down syndrome (DS) cases, MeiHMM achieved an accuracy of 96.1% in classifying NDJ errors, with a sensitivity of 91.6% in crossover identification, compared to proband-parents trio analysis. 17% of Meiosis II errors were misclassified as Meiosis I, mainly due to small proximal crossover events. Applying MeiHMM to 509 children with DS-associated childhood leukemia, we demonstrate that NDJ error is associated with the age of disease onset, somatic genomic abnormalities, and prognosis. Thus, MeiHMM is an effective method for trisomic NDJ error classification and crossover identification that can be applied broadly to study the etiology of congenital aneuploidy conditions.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 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 ».