The Transcriptome of the Implant Biopsy Identifies Donor Kidneys at Increased Risk of Delayed Graft Function
Notice bibliographique
Résumé
Improved assessment of donor organ quality at time of transplantation would help in management of potentially usable organs. The transcriptome might correlate with risk of delayed graft function (DGF) better than conventional risk factors. Microarray results of 87 consecutive implantation biopsies taken postreperfusion in 42 deceased (DD) and 45 living (LD) donor kidneys were compared to clinical and histopathology-based scores. Unsupervised analysis separated the 87 kidneys into three groups: LD, DD1 and DD2. Kidneys in DD2 had a greater incidence of DGF (38.1 vs. 9.5%, p < 0.05) than those in DD1. Clinical and histopathological risk scores did not discriminate DD1 from DD2. A total of 1051 transcripts were differentially expressed between DD1 and DD2, but no transcripts separated DGF from immediate graft function (adjusted p < 0.01). Principal components analysis revealed a continuum from LD to DD1 to DD2, i.e. from best to poorest functioning kidneys. Within DD kidneys, the odds ratio for DGF was significantly increased with a transcriptome-based score and recipient age (p < 0.03) but not with clinical or histopathologic scores. The transcriptome reflects kidney quality and susceptibility to DGF better than available clinical and histopathological scoring systems.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,002 | 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 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 ».