The molecular diagnosis of rejection in liver transplant biopsies: First results of the INTERLIVER study
Notice bibliographique
Résumé
Molecular diagnosis of rejection is emerging in kidney, heart, and lung transplant biopsies and could offer insights for liver transplant biopsies. We measured gene expression by microarrays in 235 liver transplant biopsies from 10 centers. Unsupervised archetypal analysis based on expression of previously annotated rejection-related transcripts identified 4 groups: normal "R1 normal " (N = 129), T cell–mediated rejection (TCMR) "R2 TCMR " (N = 37), early injury "R3 injury " (N = 61), and fibrosis "R4 late " (N = 8). Groups differed in median time posttransplant, for example, R3 injury 99 days vs R4 late 3117 days. R2 TCMR biopsies expressed typical TCMR-related transcripts, for example, intense IFNG-induced effects. R3 injury displayed increased expression of parenchymal injury transcripts (eg, hypoxia-inducible factor EGLN1). R4 late biopsies showed immunoglobulin transcripts and injury-related transcripts. R2 TCMR correlated with histologic rejection although with many discrepancies, and R4 late with fibrosis. R2 TCMR , R3 injury , and R4 late correlated with liver function abnormalities. Supervised classifiers trained on histologic rejection showed less agreement with histology than unsupervised R2 TCMR scores. No confirmed cases of clinical antibody-mediated rejection (ABMR) were present in the population, and strategies that previously revealed ABMR in kidney and heart transplants failed to reveal a liver ABMR phenotype. In conclusion, molecular analysis of liver transplant biopsies detects rejection, has the potential to resolve ambiguities, and could assist with immunosuppressive management.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».