Blood and nasal epigenetics correlate with allergic rhinitis symptom development in the environmental exposure unit
Notice bibliographique
Résumé
BACKGROUND: Epigenetic alterations may represent new therapeutic targets and/or biomarkers of allergic rhinitis (AR). Our aim was to examine genome-wide epigenetic changes induced by controlled pollen exposure in the environmental exposure unit (EEU). METHODS: 38 AR sufferers and eight nonallergic controls were exposed to grass pollen for 3 hours on two consecutive days. We interrogated DNA methylation at baseline and 3 hours in peripheral blood mononuclear cells (PBMCs) using the Infinium Methylation 450K array. We corrected for demographics, cell composition, and multiple testing (Benjamini-Hochberg) and verified hits using bisulfite PCR pyrosequencing and qPCR. To extend these findings to a clinically relevant tissue, we investigated DNA methylation and gene expression of mucin 4 (MUC4), in nasal brushings from a separate validation cohort exposed to birch pollen. RESULTS: In PBMCs of allergic rhinitis participants, 42 sites showed significant DNA methylation changes of 2% or greater. DNA methylation changes in tryptase gamma 1 (TPSG1), schlafen 12 (SLFN12), and MUC4 in response to exposure were validated by pyrosequencing. SLFN12 DNA methylation significantly correlated with symptoms (P < 0.05), and baseline DNA methylation pattern was found to be predictive of symptom severity upon grass allergen exposure (P = 0.029). Changes in MUC4 DNA methylation in nasal brushings in the validation cohort correlated with drop in peak nasal inspiratory flow (Spearman's r = 0.314, P = 0.034), and MUC4 gene expression was significantly increased (P < 0.0001). CONCLUSION: This study revealed novel and rapid epigenetic changes upon exposure in a controlled allergen challenge facility, and identified baseline epigenetic status as a predictor of symptom severity.
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 ».