Études génétiques de familles récessives d’ataxies et de paraplégies spastiques
Bibliographic record
Abstract
Au cours des dernières années, la génétique a subi une progression phénoménale suite au développement de nouvelles technologies de séquençage. En effet, le séquençage de l’exome entier chez des familles a permis l’identification de nouveaux gènes impliqués pour plusieurs maladies. La neurologie a d’ailleurs bénéficié de ces avancées et plusieurs gènes ont été mis en évidence comme causatifs pour différents désordres neurologiques. Dans ce travail il sera question de deux désordres du mouvement pour lequel nous avons utilisés des technologies de séquençage traditionnelles, en l’occurrence le séquençage par Sanger, ainsi que de nouvelles technologies pour le séquençage de l’exome entier afin d’identifier de nouveaux gènes causatifs. Le premier désordre du mouvement qui sera décrit est l’ataxie, où ne seront abordées que les ataxies de cause génétiques, à transmission récessive. Le premier chapitre relatera les nouvelles mutations qui ont été trouvées chez des canadiens-français souffrant de l’ataxie de Beauce. Il sera aussi question de nouvelles mutations retrouvées dans deux autres populations, confirmant l’implication du gène SYNE1 dans les cas d’ataxie cérébelleuse à travers le monde. Le second chapitre fera la démonstration qu’il est souhaitable d’utiliser le séquençage de l’exome entier dans le but de poser un diagnostic clinique. En effet, il a été possible de trouver la cause génétique d’une famille comportant deux membres atteints d’atrophie congénitale du cervelet, où le symptôme prédominant est l’ataxie. Le séquençage de l’exome a permis la mise en évidence de mutations dans le gène PMM2, déjà connues pour cause le syndrome des glycoprotéines déficientes en hydrates de carbone. Dans un second temps, il sera question d’un autre désordre du mouvement la paraplégie spastique familiale (PSF). Le chapitre 3 relatera les mutations trouvées dans le gène CYP7B1 dans notre cohorte de patients PSF.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".