Gene Expression Profiling in Blood and Affected Muscle Tissues Reveals Differential Activation Pathways in Patients with New-onset Juvenile and Adult Dermatomyositis
Notice bibliographique
Résumé
OBJECTIVE: To identify shared and differential molecular pathways in blood and affected muscle between adult dermatomyositis (DM) and juvenile DM, and their association with clinical disease activity measures. METHODS: Gene expression of transcription factors and cytokines involved in differentiation and effector function of T cell subsets, regulatory T cells and follicular Th cells, were analyzed in the blood from 21 newly diagnosed adult and 26 juvenile DM subjects and in 15 muscle specimens (7 adult and 8 juvenile DM) using a custom RT2 Profiler PCR Array. Disease activity was determined and measured by established disease activity tools. RESULTS: The most prominent finding was the higher blood expression of Th17-related cytokines [retinoic acid-related orphan receptor-γ, interferon regulatory factor 4, interleukin (IL)-23A, IL-6, IL-17F, and IL-21] in juvenile DM at baseline. In contrast, adult patients with DM showed increased blood levels of STAT3 and BCL6 compared with juvenile DM. In muscle, GATA3, IL-13, and STAT5B were found at higher levels in juvenile patients with DM compared with adult DM. Among 25 patients (11 adult and 14 juvenile DM) who had blood samples at baseline and at 6 months, increased expression of IL-1β, STAT3, STAT6, STAT5B, and BCL6 was associated with an improvement in global extramuscular disease activity. CONCLUSION: We observed differences in gene expression profiling in blood and muscle between new-onset adult and juvenile DM. Cytokine expression in the blood of juvenile patients with new-onset DM was dominated by Th17-related cytokines compared with adult patients with DM. This may reflect the activation of different Th pathways between muscle and blood.
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 ».