MétaCan
Menu
← Retour à la cohorte
Enregistrement W7104987674 · doi:10.71781/27445

Séquençage d’exomes d’une cohorte de familles caucasiennes simplex dont les patients sont atteints du syndrome d’interruption de la tige hypophysaire

2017· dissertation· fr· W7104987674 sur OpenAlexfundno aff

Notice bibliographique

RevueOpen MIND · 2017
Typedissertation
Languefr
DomaineMedicine
ThématiqueGrowth Hormone and Insulin-like Growth Factors
Établissements canadiensnon disponible
Organismes subventionnairesCentre hospitalier universitaire Sainte-JustineGénome QuébecGenome Canada
Mots-clésCongenital diseaseGrowth retardationCost analysis

Résumé

récupéré en direct d'OpenAlex

Le syndrome d’interruption de la tige hypophysaire (PSIS) est un désordre rare qui affecte la fonction du système endocrinien. Jusqu’à nos jours, l’imagerie par la résonance magnétique (IRM) demeure la méthode la plus entreprise afin d’évaluer in vivo l’anomalie d’organogenèse de la tige hypophysaire chez les patients. L’absence de la tige caractérise une déficience permanente en hormone de croissance (GH) pendant que l’étiologie du syndrome demeure inconnue. PSIS se définit comme l’hypopituitarisme congénital et il se caractérise soit par une ectopique post- hypophysaire, soit par une hypoplasie antéhypophysaire, ou encore par une hypoplasie de la tige hypophysaire. Notre objectif consiste à déterminer les mutations génétiques partagées entre les sujets affectés de l’étude et qui pourraient expliquer les causes du syndrome. Pour y parvenir, nous avons analysé les données de séquençage d’exomes (WES) provenant de sept familles caucasiennes simplex, une famille d’origine arabique et cinq autres dont la généalogie est incomplète. Ces données ont été précédemment analysées, pour le même but, par d’autres membres de l’équipe en utilisant le pipeline bio-informatique standard basé sur l’utilisation du logiciel GATK. Nous avons préférentiellement opté pour une nouvelle analyse en utilisant deux différents pipelines bio-informatiques indépendants, pour ensuite comparer conjointement les résultats obtenus. Notre protocole consiste à assembler : d’abord, deux pipelines alternatifs de détection de mutations génétiques ponctuelles (SNV). Ils sont composés d’un logiciel d’alignement de séquence (Bowtie2) et deux logiciels d’appel de variantes (Freebayes et SAMtools). Ensuite, nous avons assemblé trois pipelines de détection de variations du nombre de copies (CNV) génomiques composés communément d’un logiciel d’alignement de séquence (BWA) et trois logiciels d’appel de CNV (CoNIFER, fishingCNV, xHmm). Nos résultats nous ont permis d’identifier des mutations candidates additionnelles qui n’ont jamais été identifiées. De plus, notre méthodologie nous a permis de caractériser certains résultats faux positifs, par conséquent elle pourra nous aider à améliorer la performance des pipelines de détection de variations génomiques existantes.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,328
Écart entre enseignants0,296 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetGrowth Hormone and Insulin-like Growth Factors→Travaux en français237 207→