Biomarker discovery in cardiac allograft vasculopathy using targeted aptamer proteomics
Notice bibliographique
Résumé
Abstract Cardiac allograft vasculopathy (CAV) limits long‐term survival after heart transplantation. Non‐invasive evaluation is challenging, and currently, there is no validated biomarker for CAV diagnosis or prognostication. To identify potential candidate CAV biomarkers, we utilized the Slow Off‐rate Modified Aptamer (SOMAscan) assay, which evaluates over 1000 serum proteins, including many relevant to biological pathways in CAV. We evaluated three heart transplant patient groups according to angiographic ISHLT CAV grade: CAV 1‐2 (mild‐moderate CAV), CAV 3 (severe CAV), and CAV 0 (normal control). SOMAscan assays were performed and proteins quantitated. Comparisons of proteins between study groups were performed using one‐way ANOVA (false discovery rate q ‐value < 0.10). Thirty‐one patients (12 mild‐moderate CAV, 9 severe CAV, 10 controls) were included: 81% male, median age 57 years and median 1.1 years post‐transplant. Compared to controls, patients with mild‐moderate CAV had similar characteristics, while patients with severe CAV had longer time from transplant and increased allosensitization. Statistical/bioinformatics analysis identified 14 novel biomarkers for CAV, including 4 specific for mild‐moderate CAV. These proteins demonstrated important actions including apoptosis, inflammation, and platelet/coagulation activation. Upon preliminary receiver operating characteristics curve analysis, our protein biomarkers showed moderate‐to‐high discriminative ability for CAV (area under curve: 0.72 to 0.94). These candidate biomarkers are being validated in prospective studies.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».