Aperçu: G.M.
Des
millions de personnes à l'échelle mondiale sont à risque élevé de
troubles neurodégénératifs, d'infertilité ou d'avoir des enfants
handicapés à la suite de la prémutation X Fragile(FX), une anomalie
génétique dans FMR1 qui est sous-diagnostiquée, la plupart des porteurs ne connaissent pas leur état.
Dans
une approche novatrice du phénotypage, l'équipe a utilisé des
enregistrements audio et des profils cognitifs évalués via des
questionnaires auto-administrés sur 200 femmes. Des
méthodes d'apprentissage par machine ont été développées pour
discriminer les porteurs de prématuration FX des mères d'enfants
avec un diagnostic de "troubles du spectre de l'autisme", le groupe témoin.
En
utilisant des forêts d'arbres décisionnels, les porteurs de
prématuration FX pourraient être identifiés de manière automatisée avec
une haute précision et un rappel (score 0,81 F1). Les
phénotypes linguistiques et cognitifs hautement associés aux porteurs
de prématuration FX étaient une dysfluidité élevée du langage, une
faible capacité à organiser du matériel et une faible auto-surveillance. Le cadre de la recherche définit les bases de stratégies de phénotypage
computationnel pour présélectionner de grandes populations pour cette
variante génétique avec des coûts nominaux.
Sci Rep. 2017 Jun 1;7(1):2674. doi: 10.1038/s41598-017-02682-4.
Automated screening for Fragile X premutation carriers based on linguistic and cognitive computational phenotypes
Movaghar A1,2,3, Mailick M4, Sterling A5,6, Greenberg J7, Saha K8,9,10.
Author information
- 1
- Waisman Center, University of Wisconsin-Madison, Madison, WI, USA.
- 2
- Wisconsin Institute for Discovery, University of Wisconsin-Madison, Madison, WI, USA.
- 3
- Department of Biomedical Engineering, University of Wisconsin-Madison, Madison, WI, USA.
- 4
- Waisman Center, University of Wisconsin-Madison, Madison, WI, USA. marsha.mailick@wisc.edu.
- 5
- Waisman Center, University of Wisconsin-Madison, Madison, WI, USA. audra.sterling@wisc.edu.
- 6
- Department of Communication Sciences and Disorders, University of Wisconsin-Madison, Madison, WI, USA. audra.sterling@wisc.edu.
- 7
- Department of Social Work, University of Wisconsin-Madison, Madison, WI, USA.
- 8
- Waisman Center, University of Wisconsin-Madison, Madison, WI, USA. ksaha@wisc.edu.
- 9
- Wisconsin Institute for Discovery, University of Wisconsin-Madison, Madison, WI, USA. ksaha@wisc.edu.
- 10
- Department of Biomedical Engineering, University of Wisconsin-Madison, Madison, WI, USA. ksaha@wisc.edu.
Abstract
Millions
of people globally are at high risk for neurodegenerative disorders,
infertility or having children with a disability as a result of the
Fragile X (FX) premutation, a genetic abnormality in FMR1 that is
underdiagnosed. Despite the high prevalence of the FX premutation and
its effect on public health and family planning, most FX premutation
carriers are unaware of their condition. Since genetic testing for the
premutation is resource intensive, it is not practical to screen
individuals for FX premutation status using genetic testing. In a novel
approach to phenotyping, we have utilized audio recordings and cognitive
profiling assessed via self-administered questionnaires on 200 females.
Machine-learning methods were developed to discriminate FX premutation
carriers from mothers of children with autism spectrum disorders, the
comparison group. By using a random forest classifier, FX premutation
carriers could be identified in an automated fashion with high precision
and recall (0.81 F1 score). Linguistic and cognitive phenotypes that
were highly associated with FX premutation carriers were high language
dysfluency, poor ability to organize material, and low self-monitoring.
Our framework sets the foundation for computational phenotyping
strategies to pre-screen large populations for this genetic variant with
nominal costs.
- PMID:28572606
- PMCID:PMC5454004
- DOI:10.1038/s41598-017-02682-4
Aucun commentaire:
Enregistrer un commentaire