Molecular Phenotypes of Acute Kidney Injury in Kidney Transplants
Notice bibliographique
Résumé
Little is known regarding the molecular phenotype of kidneys with AKI because biopsies are performed infrequently. However, all kidney transplants experience acute injury, making early kidney transplants an excellent model of acute injury, provided the absence of rejection, because donor kidneys should not have CKD, post-transplant biopsies occur relatively frequently, and follow-up is excellent typically. Here, we used histopathology and microarrays to compare indication biopsies from 26 transplants with acute injury with 11 pristine protocol biopsies of stable transplants. Kidneys with acute injury showed increased expression of 394 transcripts associated with the repair response to injury, including many epithelium-like injury molecules tissue, remodeling molecules, and inflammation molecules. Many other genes also predicted the phenotype, including the acute injury biomarkers HAVCR1 and IL18. Pathway analysis of the injury-repair transcripts revealed similarities to cancer, development, and cell movement. The injury-repair transcript score in kidneys with acute injury correlated with reduced graft function, future renal recovery, brain death, and need for dialysis, but not with future graft loss. In contrast, histologic features of acute tubular injury did not correlate with function or with the molecular changes. Thus, the transcripts associated with repair of injury suggest a massive coordinated response of the kidney parenchyma to acute injury, providing both an objective measure for assessing the severity of injury in kidney biopsies and validation for many biomarkers of AKI.
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) | 0,001 | 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 ».