Protein Expression Profiling Predicts Graft Performance in Clinical Ex Vivo Lung Perfusion
Notice bibliographique
Résumé
In Brief Objectives: To study the impact of ex vivo lung perfusion (EVLP) on cytokines, chemokines, and growth factors and their correlation with graft performance either during perfusion or after transplantation. Background: EVLP is a modern technique that preserves lungs on normothermia in a metabolically active state. The identification of biomarkers during clinical EVLP can contribute to the safe expansion of the donor pool. Methods: High-risk brain death donors and donors after cardiac death underwent 4 to 6 hours EVLP. Using a multiplex magnetic bead array assay, we evaluated analytes in perfusate samples collected at 1 hour and 4 hours of EVLP. Donor lungs were divided into 3 groups: (I) Control: bilateral transplantation with good early outcome [absence of primary graft dysfunction– (PGD) grade 3]; (II) PGD3: bilateral transplantation with PGD grade 3 anytime within 72 hours; (III) Declined: lungs unsuitable for transplantation after EVLP. Results: Of 50 cases included in this study, 27 were in Control group, 7 in PGD3, and 16 in Declined. From a total of 51 analytes, 34 were measurable in perfusates. The best marker to differentiate declined lungs from control lungs was stem cell growth factor -β [P < 0.001, AUC (area under the curve) = 0.86] at 1 hour. The best markers to differentiate PGD3 cases from controls were interleukin-8 (P < 0.001, AUC = 0.93) and growth-regulated oncogene-α (P = 0.001, AUC = 0.89) at 4 hours of EVLP. Conclusions: Perfusate protein expression during EVLP can differentiate lungs with good outcome from lungs PGD3 after transplantation. These perfusate biomarkers can be potentially used for more precise donor lung selection improving the outcomes of transplantation. This is the first study to examine protein expression in perfusates of high-risk donor lungs submitted to clinical ex vivo lung perfusion. Perfusate markers were capable of predicting graft function after implantation. Our findings have a strong potential for clinical translation toward improving donor lung selection and transplantation outcomes.
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 | 0,001 |
| 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 | 0,001 | 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 ».