A pharmacogenetic study implicates <i>NINJ2</i> in the response to Interferon-β in multiple sclerosis
Notice bibliographique
Résumé
Background: Multiple sclerosis (MS) is a disease in which biomarker identification is fundamental to predict response to treatments and to deliver the optimal drug to patients. We previously found an association between rs7298096, a polymorphism upstream to the NINJ2 gene, and the 4-year response to interferon-β (IFNβ) treatment in MS patients. Objectives: To analyse the association between rs7298096 and time to first relapse (TTFR) during IFNβ therapy in MS patients and to better investigate its functional role. Methods: Survival analysis was applied in three MS cohorts from different countries ( n = 1004). We also studied the role of the polymorphism on gene expression using GTEx portal and a luciferase assay. We interrogated GEO datasets to explore the relationship between NINJ2 expression, IFNβ and TTFR. Results: Rs7298096 AA patients show a shorter TTFR than rs7298096 G -carriers (P meta-analysis = 3 × 10 −4 , hazard ratio = 1.41). Moreover, rs7298096 AA is associated with a higher NINJ2 expression in blood ( p = 7.0 × 10 −6 ), which was confirmed in vitro ( p = 0.009). Finally, NINJ2 expression is downregulated by IFNβ treatment and related to TTFR. Conclusions: Rs7298096 could influence MS disease activity during IFNβ treatment by modulating NINJ2 expression in blood. The gene encodes for an adhesion molecule involved in inflammation and endothelial cells activation, supporting its role in MS.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».