A Mendelian Randomization-Based Approach to Identify Early and Sensitive Diagnostic Biomarkers of Disease
Notice bibliographique
Résumé
Abstract BACKGROUND Identifying markers of chronic kidney disease (CKD) that occur early in the disease process and are specific to loss of kidney function rather than other underlying causes of disease may allow earlier, more accurate identification of patients who will develop CKD. We therefore sought to identify diagnostic blood markers of early CKD that are caused by loss of kidney function by using an innovative “reverse Mendelian randomization” (MR) approach. METHODS We applied this technique to genetic and biomarker data from 4147 participants in the Outcome Reduction with Initial Glargine Intervention (ORIGIN) trial, all with known type 2 diabetes, impaired fasting glucose, or impaired glucose tolerance. Two-sample MR was conducted using variants associated with creatinine-based eGFR (eGFRcrea) from the CKDGen Consortium (n = 133814) to estimate the effect of genetically decreased eGFRcrea on 238 serum biomarkers. RESULTS With reverse MR, trefoil factor 3 (TFF3) was identified as a protein that is increased owing to decreased eGFRcrea (β = 1.86 SD per SD decrease eGFRcrea; 95% CI, 0.95–2.76; P = 8.0 × 10−5). Reverse MR findings were consistent with epidemiological associations for incident CKD in ORIGIN (OR = 1.28 per SD increase in TFF3; 95% CI, 1.18–1.38; P = 4.58 × 10−10). Addition of TFF3 significantly improved discrimination for incident CKD relative to eGFRcrea alone (net reclassification improvement = 0.211; P = 9.56 × 10−12) and in models including additional risk factors. CONCLUSIONS Our results suggest TFF3 is a valuable diagnostic marker for early CKD in dysglycemic populations and acts as a proof of concept for the application of this novel MR technique to identify diagnostic biomarkers for other chronic diseases. ClinicalTrials.gov Identifier NCT00069784
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 | 0,072 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».