Functional Genomic Analysis of Peripheral Blood During Early Acute Renal Allograft Rejection
Notice bibliographique
Résumé
BACKGROUND: Acute graft rejection is an important clinical problem in renal transplantation and an adverse predictor for long-term graft survival. Peripheral blood biomarkers that provide evidence of early graft rejection may offer an important option for posttransplant monitoring, optimize the utility of graft biopsy, and permit timely and effective therapeutic intervention to minimize the graft damage. METHODS: In this feasibility study (n=58), we have used gene expression profiling in a case-control design to compare whole blood samples between normal subjects (n=20) and patients with (n=11) or without (n=22) biopsy-confirmed acute rejection (BCAR) or borderline changes (n=5). RESULTS: A total of 183 probe sets representing 160 genes were differentially expressed (false discovery rate [FDR] <0.01) between subjects with or without BCAR, from which linear discriminant analysis and cross-validation identified an initial gene signature of 24 probe sets, and a more refined set of 11 probe sets found to classify subject samples correctly. Cross-validation suggested an out-of-sample sensitivity of 73% and specificity of 91% for identification of samples with or without BCAR. An increase in classifier gene expression correlated closely with acute rejection during the first 3 months posttransplant. Biological evaluation indicated that the differentially expressed genes encompassed processes related to immune response, signal transduction, and cytoskeletal reorganization. CONCLUSION: Preliminary evidence indicates that gene expression in the peripheral blood may yield a relevant measure for the occurrence of BCAR and offer a potential tool for immunologic monitoring. These results now require confirmation in a larger cohort.
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 | 0,001 |
| 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 ».