Proteomic-Based Detection of Urine Proteins Associated with Acute Renal Allograft Rejection
Notice bibliographique
Résumé
At present, the diagnosis of renal allograft rejection requires a renal biopsy. Clinical management of renal transplant patients would be improved by the development of non-invasive markers of rejection that can be measured frequently. This study sought to determine whether such candidate proteins can be detected in urine using mass spectrometry. Four patient groups were rigidly defined on the basis of allograft function, clinical course, and allograft biopsy result: acute clinical rejection group (n = 18), stable transplant group (n = 22), acute tubular necrosis group (n = 5), and recurrent (or de novo) glomerulopathy group (n = 5). Urines collected the day of the allograft biopsy were analyzed by mass spectrometry. As a normal control group, 28 urines from healthy individuals were analyzed the identical manner, as well as 5 urines from non-transplanted patients with lower urinary tract infection. Furthermore, sequential urine analysis was performed in patients in the acute clinical rejection and the stable transplant group. Three prominent peak clusters were found in 17 of 18 patients (94%) with acute rejection episodes, but only in 4 of 22 patients (18%) without clinical and histologic evidence for rejection and in 0 of 28 normal controls (P < 0.001). In addition, the presence or absence of these peak clusters correlated with the clinicopathologic course in most patients. Acute tubular necrosis, glomerulopathies, lower urinary tract infection, and cytomegalovirus viremia were not confounding variables. In conclusion, proteomic technology together with stringent definition of patient groups can detect urine proteins associated with acute renal allograft rejection. Identification of these proteins may prove useful as non-invasive diagnostic markers for rejection and the development of novel therapeutic agents.
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 | 0,001 | 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 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 ».