Longitudinal analysis of mRNA transcripts and plasma proteins to define a biomarker associated with lupus disease activity
Notice bibliographique
Résumé
Lupus, a chronic autoimmune disease, is characterized by a variable clinical course, with periods of active disease. Identification of a biomarker or biomarker panel associated with clinical disease activity would be useful for disease management, assessment of response to therapeutic intervention in practice or clinical trials, and might suggest cellular or molecular targets for future therapies. To identify biomarkers that reflect lupus disease activity, we assessed longitudinal clinical, gene expression and proteomic data from SLE patients. One hundred and sixty-nine RNA extracts from PBMC and plasma samples were collected longitudinally (up to 3 years) from 23 SLE patients and five healthy donors (HD), and SLEDAI and BILAG scores were recorded. All SLE patients fulfilled ACR criteria for the disease. PBMC mRNA profiles for each visit were established using Affymetrix GeneChips. A panel of proinflammatory cytokines was evaluated using Multi-Analyte Profiling technology (Rules-Based Medicine, Austin, TX, USA). Longitudinal data analysis was performed using R (R Development Core Team) and the R packages lme4 and languageR. Data were analyzed using linear mixed-effects (LME) models. K-mean cluster analysis was first used to identify groups of gene transcripts that fluctuate in relation to disease activity, and representative transcripts were selected from each cluster. Thirteen plasma factors were identified as significantly increased in SLE patients compared with HD, and 14 plasma factors were significantly associated with disease activity. LME analysis was applied to the dataset to identify those transcripts and plasma factors that best define clinical disease activity. Statistical correlation with disease activity for this biomarker panel was compared with traditional measures of disease activity. A combination of mRNA transcripts and plasma factors, when assessed as a panel, shows a high correlation with clinical disease activity in patients with SLE. Validation of this biomarker panel in an extended patient group may provide support for measurement of these transcripts and proteins as an informative correlate of disease activity and a tool for patient management.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».