MétaCan
Menu
Retour à la cohorte
Enregistrement W2212387579 · doi:10.1186/1710-1492-10-s2-a61

Blood biomarkers of the late phase asthmatic response using RNA-Seq

2014· article· en· W2212387579 sur OpenAlexaffvenue
Amrit Singh, Casey P. Shannon, Gail M. Gauvreau, Paul M. O’Byrne, J Mark FitzGerald, Louis‐Philippe Boulet, Scott J. Tebbutt

Notice bibliographique

RevueAllergy Asthma and Clinical Immunology · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueS100 Proteins and Annexins
Établissements canadiensUniversité LavalVancouver Coastal Health Research InstituteVancouver General HospitalSt. Paul's HospitalMcMaster UniversityPrevention of Organ FailureUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRNA-SeqTranscriptomeComputational biologyGene expressionGeneBiologyMicroarrayBioinformaticsGenetics

Résumé

récupéré en direct d'OpenAlex

Asthmatic individuals respond differently, but reproducibly, to allergen inhalation challenge. Some individuals develop an isolated early response (ER), while others develop a dual response (DR). Peripheral blood cell transcriptome signatures can discriminate isolated early responders from dual asthmatic responders undergoing allergen inhalation challenge. 35 individuals (17 ERs and 18 DRs) participated in the allergen inhalation challenge. Blood samples were obtained prior to and 2 hours post allergen inhalation challenge. HiSeq-Illumina paired-ends 100bp sequencing was performed. A UCSC transcriptome using both the UCSC gene and gene-isoform transcripts was created using the RSEM (RNA-Seq by Expectation Maximization) package. RSEM uses Bowtie to align read files to the reference transcripts and estimates the expected number of counts per transcript. The biomarker pipeline consisted of 20x5-fold deep cross-validation using limma voom (linear models for microarrays and RNA-Seq using variance modeling at the observational level) for differential expression and elastic net for classification. Gene set enrichment analysis was performed using GeneGo. Classification performance of the pre-challenge classifier across the 100 panels included an AUC of 0.76±0.02, a sensitivity of 0.70±0.03 and a specificity of 0.72±0.02. There were 511 gene transcripts identified across the 100 panels. Pathway analysis of the 511 gene transcripts identified lectin induced complement pathway, integrin inside-out signaling, alternative complement pathway and function of MEF2 in T lymphocytes as the top ranked pathways. Classification performance of the post-challenge classifier across the 100 panels included an AUC of 0.62±0.002, a sensitivity of 0.67±0.002 and a specificity of 0.54±0.003. There were 301 gene transcripts identified across the 100 panels. Pathway analysis of the 301 gene transcripts identified clathrin coated vesicles formation, CDC42 in cellular processes and regulation of actin cytoskeleton by Rho GTPases as the top ranked pathways. The pre-challenge classifier out-performed the post-challenge classifier in the internal deep cross-validation as depicted by the classification performance measures. The lower performance of the post-challenge classifier in discriminating ERs from DRs may be due to a dilution of signal, given that both responder groups are undergoing an immune response to allergen inhalation. Incorporating changes in cellular composition and gene isoform expression estimates may improve classification performance and also reveal new insights into the mechanisms of the late phase asthmatic response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,308
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAllergy Asthma and Clinical ImmunologyMême sujetS100 Proteins and AnnexinsTravaux en français237 207