Urinary Metabolomics for Noninvasive Detection of Antibody-Mediated Rejection in Children After Kidney Transplantation
Notice bibliographique
Résumé
BACKGROUND: Biomarkers are needed that identify patients with antibody-mediated rejection (AMR). The goal of this study was to evaluate the utility of urinary metabolomics for early noninvasive detection of AMR in pediatric kidney transplant recipients. METHODS: Urine samples (n = 396) from a prospective, observational cohort of 59 renal transplant patients with surveillance or indication biopsies were assayed for 133 unique metabolites by quantitative mass spectrometry. Samples were classified according to Banff criteria for AMR and partial least squares discriminant analysis was used to identify associated changes in metabolite patterns by creating a composite index based on all 133 metabolites. RESULTS: Urine samples of patients with (n = 40) and without AMR (n = 278) were analyzed and a classifier for AMR was identified (area under receiver operating characteristic curve = 0.84; 95% confidence interval, 0.77-0.91; P = 0.006). Application of the classifier to "indeterminate" samples (samples that partially fulfilled Banff criteria for AMR; n = 65) yielded an AMR score of 0.19 ± 0.15, intermediate between scores for AMR and No AMR (0.28 ± 0.14 and 0.10 ± 0.13 respectively, P ≤ 0.001). The AMR score was associated with the presence of donor-specific antibodies, biopsy indication, Banff ct, t, ah and cg scores, and retained accuracy when applied to subclinical cases (creatinine, <25% increase from baseline) or had minimal or no transplant glomerulopathy (Banff cg0-1). Exploratory classifiers that segregated samples based on concurrent T cell-mediated rejection (TCMR) identified overlapping metabolite signatures between AMR and TCMR, suggesting similar pathophysiology of tissue injury. CONCLUSIONS: These preliminary findings identify a urine metabolic classifier for AMR. Independent validation is needed to verify its utility for accurate, noninvasive AMR detection.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».