129 articles
La médecine génétique et génomique explore comment notre code ADN influence la santé, permettant des diagnostics plus précis et des traitements personnalisés. Ce domaine en pleine évolution transforme la manière dont nous comprenons les maladies héréditaires et réagissons aux thérapies, rendant la science complexe accessible à tous.
Sur Gist.Science, nous suivons chaque jour les nouvelles découvertes publiées sur medRxiv, la plateforme de prépublications dédiée à la santé. Nous traitons systématiquement chaque nouveau préprint dans cette catégorie pour vous offrir à la fois une explication claire en langage simple et un résumé technique détaillé, vous aidant à naviguer dans les avancées sans barrière linguistique.
Découvrez ci-dessous la sélection la plus récente des travaux de recherche en médecine génétique et génomique.
Le papier présente PAVS, une base de données standardisée et publique intégrant des milliers de cas cliniques saoudiens et internationaux avec des annotations phénotypiques normalisées, conçue pour combler le manque de ressources génotype-phénotype spécifiques à cette population et améliorer la priorisation des variants génétiques.
Cette étude de cas-témoins menée sur de grandes cohortes populationnelles démontre que la détection génomique des variants pathogènes PALB2 identifie un risque accru de cancers (notamment du sein et du pancréas) et une mortalité plus élevée, bien que ces risques soient inférieurs aux estimations issues de la détection familiale.
Cette étude utilise un fine-mapping génomique informé par la fonctionnalité sur plus d'un million de personnes pour identifier des variants causaux et des voies biologiques clés, révélant que le risque de maladie coronarienne est principalement piloté par la dysrégulation du métabolisme des lipoprotéines, de l'homéostasie vasculaire et des réponses au stress cellulaire.
Cette étude démontre, grâce à une modélisation génétique sexospécifique de 2 millions de personnes, que la composante génétique de l'adiposité chez les femmes, distincte de celle des hommes, active des voies hormonales et oncogènes spécifiques qui expliquent mécanistiquement le risque accru de cancer de l'endomètre.
Cette étude démontre, en combinant une modélisation moléculaire par intelligence artificielle et des essais cellulaires, que la variante rare E431K du gène TGFBR2 altère la stabilité de la protéine et la signalisation TGF-{beta}, confirmant ainsi le diagnostic du syndrome de Loeys-Dietz chez un patient.
En partenariat avec 18 organisations de patients, cette étude a développé l'outil GeniE pour estimer la prévalence génétique de 22 maladies récessives à partir des données gnomAD, démontrant ainsi comment la collaboration entre la science et le plaidoyer des patients permet de générer des données dynamiques et actionnables pour le développement thérapeutique.
Cette étude prospective multi-institutionnelle démontre que le score de diversité des motifs régionaux (rMDS), une nouvelle métrique fragmentomique basée sur les extrémités de l'ADN circulant, permet de distinguer avec une grande précision les patients atteints de cancer de la tête et du cou répondant à l'immunothérapie de ceux qui n'y répondent pas, surpassant les biomarqueurs établis et offrant une valeur pronostique significative.
Cette étude établit que le gène FRMPD4, déjà associé à un handicap intellectuel et à l'épilepsie, est également une cause de surdité neurosensorielle non syndromique liée à l'X, en démontrant son rôle évolutivement conservé dans la fonction auditive grâce à des analyses cliniques et des modèles animaux.
Cette étude démontre, grâce à une modélisation génétique structurale, que le métabolisme des acides aminés à chaîne branchée influence le risque de diabète de type 2 et de maladie coronarienne de manière indépendante des facteurs de risque traditionnels tels que l'obésité et la dyslipidémie.
Cette méta-analyse systématique révèle que, bien que les systèmes d'intelligence artificielle à base de grands modèles de langage améliorent le diagnostic des maladies rares lorsqu'ils sont enrichis de connaissances externes, leurs performances varient considérablement selon la composition des benchmarks et restent limitées par des risques élevés de biais et l'absence de validation clinique prospective.