CYP3A5 polymorphisms in renal transplant recipients: influence on tacrolimus treatment
Notice bibliographique
Résumé
Abstract: Tacrolimus is a commonly used immunosuppressant after kidney transplantation. It has a narrow therapeutic range and demonstrates wide interindividual variability in pharmacokinetics, leading to potential underimmunosuppression or toxicity. Genetic polymorphism in CYP3A5 enzyme expression contributes to differences in tacrolimus bioavailability between individuals. Individuals carrying one or more copies of the wild-type allele *1 express CYP3A5, which increases tacrolimus clearance. CYP3A5 expressers require 1.5 to 2-fold higher tacrolimus doses compared to usual dosing to achieve therapeutic blood concentrations. Individuals with homozygous *3/*3 genotype are CYP3A5 nonexpressers. CYP3A5 nonexpression is the most frequent phenotype in most ethnic populations, except blacks. Differences between CYP3A5 genotypes in tacrolimus disposition have not translated into differences in clinical outcomes, such as acute rejection and graft survival. Therefore, although genotype-based dosing may improve achievement of therapeutic drug concentrations with empiric dosing, its role in clinical practice is unclear. CYP3A5 genotype may predict differences in absorption of extended-release and immediate-release oral formulations of tacrolimus. Two studies found that CYP3A5 expressers require higher doses of tacrolimus in the extended-release formulation compared to immediate release. CYP3A5 genotype plays a role in determining the impact of interacting drugs, such as fluconazole, on tacrolimus pharmacokinetics. Evidence conflicts regarding the impact of CYP3A5 genotype on risk of nephrotoxicity associated with tacrolimus. Further study is required. Keywords: calcineurin inhibitor, graft, pharmacogenomics, kidney, genotype
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 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 ».