The renal transcriptome of<i>db/db</i>mice identifies putative urinary biomarker proteins in patients with type 2 diabetes: a pilot study
Notice bibliographique
Résumé
We sought to identify novel urinary biomarkers of kidney function in type 2 diabetes. We screened the renal transcriptome of db/db and db/m mice for differentially expressed mRNA transcripts that encode secreted proteins with human orthologs. Whether elevated urine levels of the orthologous proteins correlated with diminished glomerular filtration rate was tested in a cross-sectional study of n = 56 patients with type 2 diabetes. We identified 36 putative biomarker genes in db/db kidneys: 31 upregulated and 5 downregulated. Urinary protein levels of six selected candidates (endothelin-1, lipocalin-2, transforming growth factor-β, growth and differentiation factor-15, interleukin-6, and macrophage chemoattractant protein-1) were elevated in type 2 diabetic patients with subnormal glomerular filtration rate (i.e., <90 ml·min(-1)·1.73 m(-2)), independent of microalbuminuria, age, sex, race, and use of angiotensin-converting enzyme inhibitors and angiotensin receptor antagonists. In contrast, urinary levels of fibroblast growth factor were not increased. A composite variable of urine albumin and any of the six candidate markers was associated with subnormal estimated glomerular filtration rate more closely than albumin alone. In addition, urinary endothelin-1, growth and differentiation factor-15, and interleukin-6 were associated with a marker of proximal tubule damage, N-acetyl-β-d-glucosaminidase activity. These results suggest that gene expression profiling in diabetic mouse kidney can complement existing proteomic-based approaches for renal biomarker discovery in humans.
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 | 0,000 | 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) | 0,001 | 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 ».