MétaCan
Menu
Retour à la cohorte
Enregistrement W4415769815 · doi:10.1101/2025.07.17.25331109

A comprehensive framework for the interpretation of <i>TTN</i> missense variants

2025· preprint· en· W4415769815 sur OpenAlexaff
Maria Francesca Di Feo, Martin Rees, Victoria Lillback, Ay Lin Kho, Angelina Meybatova, Mark Holt, Heinz Jungbluth, Francesco Muntoni, Giovanni Baranello, Anna Sarkozy, Chiara Fiorillo, Serena Baratto, Claudio Bruno, Monica Traverso, Michele Iacomino, Marina Pedemonte, Noemi Brolatti, Francesca Faravelli, Federico Zara, Giuseppa Maria Luana Mandarà, Alan H. Beggs, Casie A. Genetti, Pamela Barraza‐Flores, Carmelo Rodolico, Sonia Messina, Franziska Schnabel, István Balogh, Katalin Szakszon, Siiri Sarv, Katrin Õunap, Federica Ricci, Alessandro Mussa, Edoardo Malfatti, Enrico Bertini, Adele D’Amico, Daria Diodato, Michela Catteruccia, Gianina Ravenscroft, Mridul Johari, С. В. Курбатов, Polina Chausova, Aysylu Murtazina, Anna Kuchina, Olga Shchagina, Minas Drakos, Martha Spilioti, Athanasios Evangeliou, Ioannis Zaganas, Huahua Zhong, Sushan Luo, Luciano Merlini, Crystal Nguyen, Giorgio Tasca, Tara Reeves, Stellan Mörner, Olof Danielsson, Bjarne Udd, Mathias Gautel, Marco Savarese

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiqueCardiomyopathy and Myosin Studies
Établissements canadiensCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesHORIZON EUROPE Framework ProgrammeEuropean CommissionSuomen KulttuurirahastoKing's College LondonSamfundet FolkhälsanBritish Heart Foundation
Mots-clésMissense mutationIn silicoMinor allele frequencyExonExomeMutationPhenotypeGenetic testing

Résumé

récupéré en direct d'OpenAlex

Abstract Background Missense variants in TTN pose a major challenge in genetic diagnostics due to their high frequency in the general population, the large size of the gene, and the complex multidomain architecture of the titin protein. While the contribution of truncating variants (TTNtv) to titinopathies is well established, the role of rare TTN missense variants remains poorly defined. Advances in computational prediction and functional testing offer new tools to assess their potential pathogenicity, which however are currently not fully utilized for clinical application. Methods We analyzed an international cohort of unsolved myopathy cases selected based on the presence of a rare missense variant in trans with a TTNtv. Clinical data were collected from neuromuscular centers worldwide. In silico predictions were generated using AlphaMissense and complemented by MAF and exon usage information. Additional inclusion criteria were based on a Minor Allele Frequency < 0.010 and an AlphaMissense score ≥ 0.792 for the missense variant, in accordance with the latest ClinGen guidelines. Selected missense variants were characterized in vitro through protein expression and cell imaging assays to assess their effects on domain solubility and aggregation. Results Thirty patients with TTNtv/missense combinations were identified, presenting with heterogeneous myopathic phenotypes, ranging from congenital to adult onset. An in-depth analysis on AlphaMissense predictions highlighted those changes most frequently predicted as possibly pathogenic. Functional assays showed that three selected variants with changes to proline, located in β-sheets of Ig domains, led to impaired folding, cytoplasmic aggregation and co-localisation with proteostasis markers. In our cohort, all non-proline mutations occurred at buried sites, while some proline substitutions affected exposed residues. Notably, the variant p.(Gln7023Pro) was identified in 5 unrelated families sharing a conserved haplotype, indicating a common ancestor. This variant and the previously reported p.(Arg25480Pro) variant have been reclassified as likely pathogenic. Conclusions By integrating clinical, computational, and functional evidence, we propose a framework for interpreting TTN missense variants. Combining multiple lines of evidence is essential for variants’ classification and interpretation, especially given TTN complexity. Advancing diagnostic accuracy will require tailored interpretation guidelines and a global effort in data sharing and functional validation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,335
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCardiomyopathy and Myosin StudiesTravaux en français237 207