Rethinking Lupus Nephritis Classification on a Molecular Level
Notice bibliographique
Résumé
The International Society of Nephrology/Renal Pathology Society (ISN/RPS) lupus nephritis (LN) classification is under reconsideration, given challenges with inter-rater reliability and resultant inconsistent relationship with treatment response. Integration of molecular classifiers into histologic evaluation can improve diagnostic precision and identify therapeutic targets. This study described the relationship between histological and molecular phenotypes and clinical responses in LN. Renal compartmental mRNA abundance was measured in 54 biopsy specimens from LN patients and correlated to ISN/RPS classification and individual histologic lesions. A subset of transcripts was also evaluated in sequential biopsies of a separate longitudinal cohort of 36 patients with paired samples obtained at the time of flare and at follow up. Unsupervised clustering based on mRNA abundance did not demonstrate a relationship with the (ISN/RPS) classification, nor did univariate statistical analysis. Exploratory analyses suggested a correlation with individual histologic lesions. Glomerular FN1 (fibronectin), SPP1 (secreted phosphoprotein 1), and LGALS3 (galectin 3) abundance correlated with disease activity and changed following treatment. Exploratory analyses suggested relationships between specific transcripts and individual histologic lesions, with the important representation of interferon-regulated genes. Our findings suggested that the current LN classification could be refined by the inclusion of molecular descriptors. Combining molecular and pathologic kidney biopsy phenotypes may hold promise to better classify disease and identify actionable treatment targets and merits further exploration in larger cohorts.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 |
| 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 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 ».