The molecular phenotypes of rejection in kidney transplant biopsies
Notice bibliographique
Résumé
PURPOSE OF REVIEW: The recent emergence of a system for distinguishing T-cell-mediated rejection (TCMR) from antibody-mediated rejection (ABMR), including C4d-negative ABMR, allows us to map the molecular features of these conditions. RECENT FINDINGS: The TCMR landscape is dominated by molecules expressed in effector T cells, antigen-presenting cells (macrophages, dendritic cells, B cells) and interferon-gamma (IFNG)-induced genes. A surprising finding is the association of transcripts for inhibitory molecules such as CTLA4 and PDL1 with TCMR, indicating that this tubulo-interstitial inflammatory compartment is actively controlled. ABMR is dominated by endothelial transcripts related to angiogenesis, reflecting endothelial injury; natural killer (NK)-cell transcripts; and selected IFNG-regulated transcripts. This suggests a cognate unit of NK cells engaging donor-specific antibody bound to donor human leukocyte antigen antigens through their CD16a (FCGR3A) Fc receptors, triggering IFNG release. TCMR and ABMR share many rejection-associated transcripts, mainly IFNG-induced genes and transcripts shared between NK cells and CD8 effector T cells (e.g., KLRD1). In addition, acute kidney injury transcripts, which reflect the parenchymal response to injury, are shared between different forms of rejection and are indicative of disease progression. SUMMARY: Microarray assessment provides a new dimension in biopsy assessment for diagnosis that offers mechanistic insights and sometimes challenges histology assessments.
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 ».