Benefit of Apabetalone on Plasma Proteins in Renal Disease
Notice bibliographique
Résumé
Introduction Apabetalone, a small molecule inhibitor, targets epigenetic readers termed BET proteins that contribute to gene dysregulation in human disorders. Apabetalone has in vitro and in vivo anti-inflammatory and antiatherosclerotic properties. In phase 2 clinical trials, this drug reduced the incidence of major adverse cardiac events in patients with cardiovascular disease. Chronic kidney disease is associated with a progressive loss of renal function and a high risk of cardiovascular disease. We studied the impact of apabetalone on the plasma proteome in patients with impaired kidney function. Methods Subjects with stage 4 or 5 chronic kidney disease and matched controls received a single dose of apabetalone. Plasma was collected for pharmacokinetic analysis and for proteomics profiling using the SOMAscan 1.3k platform. Proteomics data were analyzed with Ingenuity Pathway Analysis to identify dysregulated pathways in diseased patients, which were targeted by apabetalone. Results At baseline, 169 plasma proteins (adjusted P value <0.05) were differentially enriched in renally impaired patients versus control subjects, including cystatin C and β 2 microglobulin, which correlate with renal function. Bioinformatics analysis of the plasma proteome revealed a significant activation of 42 pathways that control immunity and inflammation, oxidative stress, endothelial dysfunction, vascular calcification, and coagulation. At 12 hours postdose, apabetalone countered the activation of pathways associated with renal disease and reduced the abundance of disease markers, including interleukin-6, plasminogen activator inhibitor-1, and osteopontin. Conclusion These data demonstrated plasma proteome dysregulation in renally impaired patients and the beneficial impact of apabetalone on pathways linked to chronic kidney disease and its cardiovascular complications.
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 | 0,000 | 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) | 0,001 | 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 ».