Molecular Differences between Chronic and Aggressive Periodontitis
Notice bibliographique
Résumé
The 2 major forms of periodontitis, chronic (CP) and aggressive (AgP), do not display sufficiently distinct histopathological characteristics or microbiological/immunological features. We used molecular profiling to explore biological differences between CP and AgP and subsequently carried out supervised classification using machine-learning algorithms including an internal validation. We used whole-genome gene expression profiles from 310 'healthy' or 'diseased' gingival tissue biopsies from 120 systemically healthy non-smokers, 65 with CP and 55 with AgP, each contributing with ≥ 2 'diseased' gingival papillae (n = 241; with bleeding-on-probing, probing depth ≥ 4 mm, and clinical attachment loss ≥ 3 mm), and, when available, a 'healthy' papilla (n = 69; no bleeding-on-probing, probing depth ≤ 4 mm, and clinical attachment loss ≤ 4 mm). Our analyses revealed limited differences between the gingival tissue transcriptional profiles of AgP and CP, with genes related to immune responses, apoptosis, and signal transduction overexpressed in AgP, and genes related to epithelial integrity and metabolism overexpressed in CP. Different classifying algorithms discriminated CP from AgP with an area under the curve ranging from 0.63 to 0.99. The small differences in gene expression and the highly variable classifier performance suggest limited dissimilarities between established AgP and CP lesions. Future analyses may facilitate the development of a novel, 'intrinsic' classification of periodontitis based on molecular profiling.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».