A Comparison of HLA Molecular Mismatch Methods to Determine HLA Immunogenicity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Antibody-mediated rejection is a major cause of premature graft loss in kidney transplantation. Multiple scoring systems are available to assess the HLA mismatch between donors and recipients at the molecular level; however, their correlation with the development of de novo donor-specific antibody (dnDSA) has not been compared in recipients on active immunosuppression. METHODS: HLA-DRβ1/3/4/5/DQα1β1 molecular mismatch was determined using eplet analysis, amino acid mismatch, and electrostatic mismatch for 596 renal transplant recipients and correlated with HLA-DR/DQ dnDSA development. The molecular mismatch scores were evaluated in multivariate models of posttransplant dnDSA-free survival. RESULTS: Eplet mismatch correlated with amino acid mismatch and electrostatic mismatch (R = 0.85-0.96). HLA-DR dnDSA-free survival correlated with HLA-DR eplet mismatch (hazards ratio [HR], 2.50 per 10 eplets mismatched; P < 0.0001), amino acid mismatch (HR, 1.49 per 10 amino acids mismatched; P < 0.0001), and electrostatic mismatch (HR, 1.23 per 10 units mismatched; P < 0.0001). HLA-DQ dnDSA-free survival correlated with HLA-DQ eplet mismatch (HR, 1.98 per 10 eplets mismatched; P < 0.0001), amino acid mismatch (HR, 1.24 per 10 amino acids mismatched; P < 0.0001), and electrostatic mismatch (HR, 1.14 per 10 units mismatched; P < 0.0001). All 3 methods were significant multivariate correlates of dnDSA development after adjustment for recipient age, baseline immunosuppression, and nonadherence. CONCLUSIONS: HLA molecular mismatch represents a precise method of alloimmune risk assessment for renal transplant patients. The method used to determine the molecular mismatch is likely to be driven by familiarity and ease of use as highly correlated results are produced by each method.
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.
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 découle