Using gene expression signatures to identify novel treatment strategies in gulf war illness
Notice bibliographique
Résumé
BACKGROUND: Gulf War Illness (GWI) is a complex multi-symptom disorder that affects up to one in three veterans of this 1991 conflict and for which no effective treatment has been found. Discovering novel treatment strategies for such a complex chronic illness is extremely expensive, carries a high probability of failure and a lengthy cycle time. Repurposing Food and Drug Administration approved drugs offers a cost-effective solution with a significantly abbreviated timeline. METHODS: Here, we explore drug re-purposing opportunities in GWI by combining systems biology and bioinformatics techniques with pharmacogenomic information to find overlapping elements in gene expression linking GWI to successfully treated diseases. Gene modules were defined based on cellular function and their activation estimated from the differential expression of each module's constituent genes. These gene modules were then cross-referenced with drug atlas and pharmacogenomic databases to identify agents currently used successfully for treatment in other diseases. To explore the clinical use of these drugs in illnesses similar to GWI we compared gene expression patterns in modules that were significantly expressed in GWI with expression patterns in those same modules in other illnesses. RESULTS: We found 19 functional modules with significantly altered gene expression patterns in GWI. Within these modules, 45 genes were documented drug targets. Illnesses with highly correlated gene expression patterns overlapping considerably with GWI were found in 18 of the disease conditions studied. Brain, muscular and autoimmune disorders composed the bulk of these. CONCLUSION: Of the associated drugs, immunosuppressants currently used in treating rheumatoid arthritis, and hormone based therapies were identified as the best available candidates for treating GWI symptoms.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».