Changes in the Transcriptome in Allograft Rejection:IFN-γ-Induced Transcripts in Mouse Kidney Allografts
Notice bibliographique
Résumé
We used Affymetrix Microarrays to define interferon-gamma (IFN-gamma)-dependent, rejection-induced transcripts (GRITs) in mouse kidney allografts. The algorithm included inducibility by recombinant IFN-gamma in kidneys of three normal mouse strains, increase in kidney allografts in three strain combinations and less induction in IFN-gamma-deficient allografts. We identified 40 transcripts, which were highly IFN-gamma inducible (e.g. Cxcl9, ubiquitin D, MHC), and 168 less sensitive to IFN-gamma in normal kidney. In allografts, expression of GRITs was intense and consistent at all time points (day 3 through 42). These transcripts were partially dependent on donor IFN-gamma receptors (IFN-gammars): receptor-deficient allografts manifested up to 76% less expression, but some transcripts were highly dependent (ubiquitin D) and others relatively independent (Cxcl9). Kidneys of hosts rejecting allografts showed expression similar to that observed with IFN-gamma injections. Many GRITs showed transient IFN-gamma-dependent increase in isografts, peaking at day 4-5. GRITs were increased in heart allografts, indicating them as generalized feature of alloresponse. Thus, expression of rejection-induced transcripts is robust and consistent in allografts, reflecting the IFN-gamma produced by the alloresponse locally and systemically, acting via host and donor IFN-gammar, as well as local IFN-gamma production induced by post-operative stress.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».