Fibrosis, gene expression and orbital inflammatory disease
Notice bibliographique
Résumé
BACKGROUND/AIMS: To clarify the pathogenesis of fibrosis in inflammatory orbital diseases, we analysed the gene expression in orbital biopsies and compared our results with those reported for idiopathic pulmonary fibrosis. METHODS: We collected 140 biopsies from 138 patients (58 lacrimal glands; 82 orbital fat). Diagnoses included healthy controls (n=27), non-specific orbital inflammation (NSOI) (n=61), thyroid eye disease (TED) (n=29), sarcoidosis (n=14) and granulomatosis with polyangiitis (GPA) (n=7). Fibrosis was scored on a 0-3 scale by two experts, ophthalmic pathologists. Gene expression was quantified using Affymetrix U133 plus 2.0 microarray. RESULTS: Within orbital fat, fibrosis was greatest among subjects with GPA (2.75±0.46) and significantly increased in tissue from subjects with GPA, NSOI or sarcoidosis (p<0.01), but not for TED, compared with healthy controls (1.13±0.69). For lacrimal gland, the average score among controls (1.36±0.48) did not differ statistically from any of the four disease groups. Seventy-three probe sets identified transcripts correlating with fibrosis in orbital fat (false discovery rate <0.05) after accounting for batch effects, disease type, age and sex. Transcripts with increased expression included fibronectin, lumican, thrombospondin and collagen types I and VIII, each of which has been reported upregulated in pulmonary fibrosis. CONCLUSIONS: A pathologist's recognition of fibrosis in orbital tissue correlates well with increased expression of transcripts that are considered essential in fibrosis. Many transcripts implicated in orbital fibrosis have been previously implicated in pulmonary fibrosis. TED differs from other causes of orbital fat inflammation because fibrosis is not a major component. Marked fibrosis is less common in the lacrimal gland compared with orbital adipose tissue.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».