Diagnostic Pipeline for Patients with Genetic Neuromuscular Disease
Notice bibliographique
Résumé
Les maladies neuromusculaires (MNM) génétiques touchent des milliers de Canadiens et peuvent causer une invalidité et une mort prématurée en raison d'une faiblesse musculaire progressive et d'une insuffisance cardiaque et respiratoire. Alors que les grands panels de gènes sont devenus la norme de soins pour le diagnostic rare de maladies neuromusculaires, une combinaison d’approches séquençage de nouvelle génération («NGS » pour « Next-Generation Sequencing »), y compris le séquençage et l’imagerie de l’exome et du génome, offre l’espoir d’un diagnostic génétique plus rapide et précis. Cependant, environ 30 % des patients atteints de MNM ne sont pas diagnostiqués en raison 1) du grand nombre de variantes génétiques de signification inconnue dans les panels cliniques; 2) couverture incomplète du génome offerte par le séquençage à lecture courte; 3) le grand nombre de sous-types différents de MNM qui semblent cliniquement très similaires ; et 5) l'incapacité des biopsies musculaires à distinguer de nombreux sous-types de MNM. Cette thèse de recherche a évalué différents composants d'un pipeline de diagnostic et de découverte qui va au-delà des normes de soins en intégrant l'imagerie par résonance magnétique (IRM) musculaire quantitative du corps entier et le séquençage de l'exome/du génome pour améliorer le diagnostic des maladies neuromusculaires.Objectif 1 - Rassembler une cohorte de patients avec maladies neuromusculaires non diagnostiquées et profondément phénotypée.Objectif 2 - Appliquer le séquençage NGS pour identifier de nouvelles maladies, de nouveaux gènes de maladies non identifiés par les tests cliniques.Objectif 3 - Valider les variantes NGS et les nouvelles présentations MNM en utilisant l'IRM musculaire pour la caractérisation phénotypique.Méthodes : Trente-deux patients ont été recrutés pour participer à cette recherche, qui n'étaient pas diagnostiqués après une évaluation standard (par exemple, panel de gènes, évaluation clinique, études électrodiagnostiques, biopsie musculaire). Le séquençage à haut débit de l’ADN (exome/génome) des individus affectés chez lesquels une MNM génétique est suspectée a été réalisé sur l’Illumina NovaSeq. L'IRM musculaire du corps entier a été réalisée sur des IRM 3T.Résultats : Nous avons identifié un diagnostic potentiel de MNM chez 23/32 patients. En évaluant le séquençage de l'exome/du génome de patients atteints de MNM non diagnostiqué et en évaluant l'IRM musculaire, nous avons identifié 4 catégories de résultats diagnostiques : Catégorie 1 - Treize patients (5 familles) ont été identifiés comme présentant un nouveau gène candidat potentiel ou une nouvelle variante pathogène nécessitant des fonctionnalités supplémentaires. validation; Catégorie 2 - Six patients (5 familles) ont reçu un diagnostic de nouvelles variantes de gènes MNM connus qui n'ont pas été identifiés par un panel de gènes cliniques ou par des tests d'exome ; Catégorie 3 – Neuf patients (4 familles) restent non diagnostiqués malgré des analyses génétiques approfondies comprenant l'exome, le génome ainsi que le séquençage de l'ARN ; et d) Catégorie 4 – Quatre patients (4 familles) présentant une présentation clinique similaire à celle d'une dystrophie musculaire des ceintures ont été identifiés comme ayant une myopathie auto-immune non diagnostiquée auparavant.Conclusion. La combinaison d'approches de génomique et d'imagerie avec un phénotypage clinique et fonctionnel détaillé a permis d'identifier de nouveaux gènes et de nouvelles variantes pour améliorer les algorithmes de diagnostic afin d'améliorer les soins, d'élargir nos connaissances et de clarifier le diagnostic des sous-types de MNM
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,014 |
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 ».