Prevalence of rare diseases in the Quebec French Canadian population
Notice bibliographique
Résumé
For many rare diseases, incomplete data on prevalence limits targeted genetic screening efforts.While rare disease prevalence is typically estimated from patient cohorts or newborn screening, population biobanks offer an alternative.Prevalence estimates are particularly important in founder populations, such as the French Canadian (FC) population, who may be at increased risk for rare diseases due to the founder effect.In this thesis, I use a genotype-first approach to estimate the prevalence of rare Mendelian diseases in the FC founder population.To achieve this, I developed a systematic and scalable approach to estimate rare disease prevalence from population-based genomic datasets.This approach was applied at scale in the CARTaGENE FC sample, assessing disease prevalence on both provincial and regional scales.My prevalence estimation approach used disease and variant databases to apply variant filtering while maintaining scalability.I estimated the province-wide prevalence for 93 rare Mendelian diseases in the FC population and regional prevalence estimates for 11 of the 93 diseases.Within the 93 diseases, I identified highly prevalent conditions with early age of onset, high severity, and available treatments that are not currently included in Quebec's screening programs, highlighting candidates for expanding screening panels.These results provide essential information for genetic screening programs. RÉSUMÉPour de nombreuses maladies rares, l'absence de données sur la prévalence constitue un frein au développement de stratégies de dépistage génétique ciblé.Alors que la prévalence des maladies rares est généralement estimée à partir de cohortes de patients ou de programmes de dépistage néonatal, les biobanques populationnelles, en pleine expansion, offrent une alternative prometteuse.Les estimations de prévalence sont particulièrement importantes dans les populations dites fondatrices, telles que la population canadiennefrançaise (CF), qui peuvent présenter une fréquence accrue de certaines maladies rares en raison de l'effet fondateur.Cette thèse s'appuie sur une approche "genotype-first" afin d'estimer la prévalence des maladies mendéliennes rares dans la population fondatrice canadienne-française. Pour ce faire, j'ai développé une approche systématique et adaptée à l'analyse à grande échelle afin d'estimer la prévalence des maladies rares à partir d'ensembles de données génomiques de biobanques populationnelles.Mon approche a été déployée dans l'échantillon CF de CARTaGENE, permettant l'estimation de la prévalence des maladies à l'échelle provinciale et régionale.Mon approche s'appuie sur des bases de données de maladies et de variants génétiques pour effectuer un filtrage rigoureux tout en maintenant une scalabilité.J'ai estimé la prévalence, à l'échelle provinciale, de 93 maladies mendéliennes rares présentes dans la population CF ainsi que la prévalence régionale pour 11 de ces 93 maladies.Parmi ces maladies analysées, j'ai identifié plusieurs pathologies présentant simultanément une
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».