Whole Blood Biomarkers of Acute Cardiac Allograft Rejection: Double-Crossing the Biopsy
Notice bibliographique
Résumé
BACKGROUND: Acute rejection is still a significant barrier to long-term survival of the allograft. Current acute rejection diagnostic methods are not specific enough or are invasive. There have been a number of studies that have explored the blood or the biopsy to discover genomic biomarkers of acute rejection; however, none of the studies to date have used both. METHODS: We analyzed endomyocardial biopsy tissue and whole blood-derived messenger RNA from 11 acute rejection and 20 nonrejection patients using Affymetrix Human Genome U133 Plus 2.0 chips. We used a novel approach and gained insight into the biology of rejection based on gene expression in the biopsy, and applied this knowledge to the blood analysis to identify novel blood biomarkers. RESULTS: We identified probesets that are differentially expressed between acute rejection and nonrejection patients in the biopsy and blood, and developed three biomarker panels: (1) based on biopsy-only (area under the curve=0.85), (2) based on biopsy-targeted whole blood (area under the curve=0.83), and (3) based on whole blood-only (area under the curve=0.60) analyses. CONCLUSIONS: Most of the probesets replicated between biopsy and blood are regulated in opposite direction between the two sources of information. We also observed that the biopsy-targeted blood biomarker discovery approach can improve performance of the biomarker panel. The biomarker panel developed using this targeted approach is able to diagnose acute cardiac allograft rejection almost as well as the biopsy-only based biomarker panel.
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 | 0,000 |
| 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 ».