MétaCan
Menu
Retour à la cohorte
Enregistrement W3024450339 · doi:10.1093/ibd/izaa074

CpG Methylation in<i>TGFβ1</i>and<i>IL-6</i>Genes as Surrogate Biomarkers for Diagnosis of IBD in Children

2020· article· en· W3024450339 sur OpenAlexafffundabout
Suzanne Samarani, Claire Dupont, Valérie Marcil, David R. Mack, David M. Israel, Colette Deslandres, Prévost Jantchou, Ali Ahmad, Devendra Amre

Notice bibliographique

RevueInflammatory Bowel Diseases · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammatory Bowel Disease
Établissements canadiensChildren's Hospital of Eastern OntarioUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesCrohn's and Colitis Canada
Mots-clésMedicineInternal medicineUlcerative colitisCpG siteInflammatory bowel diseaseArea under the curveGastroenterologyUnivariate analysisLogistic regressionDNA methylationDiseaseImmunologyOncologyMultivariate analysisGeneBiologyGene expressionGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diagnostic markers for distinguishing between Crohn disease (CD) and ulcerative colitis (UC) remain elusive. We studied whether methylation marks across the promoters of the transforming growth factor beta 1 (TGFβ1) and interleukin-6 genes have diagnostic utility. METHODS: A case-control study was carried out. Cases were treatment-naïve, diagnosed before age 20, and recruited from 3 pediatric gastroenterology clinics across Canada. Control patients did not have inflammatory bowel disease and were recruited from orthopedic clinics within the same hospitals as the gastroenterology clinics. Patient DNA from peripheral blood was processed to identify methylation sites (CpG) across the promoter regions of the TGFβ1 and interleukin-6 genes. After initial nonparametric univariate analyses, multivariate logistic regression models were fit. Models with the best fit (Akaike information criteria) and strongest discriminatory capabilities (area under the curve [AUC]) were identified, and P values were adjusted for multiple comparisons using the false discovery rate method. RESULTS: A total of 67 CD, 31 UC, and 43 control patients were included. The age distribution of the 3 groups was similar. Most CD patients had ileocolonic disease (44.8%) and inflammatory disease (88.1%). Most UC patients had extensive (71%) and moderate disease (51.6%). Logistic regression analysis revealed the following: 14 TGFβ1 CpG sites discriminated between CD and control patients (AUC = 0.94), 9 TGFβ1 CpG sites discriminated between UC and control patients (AUC = 0.99), 3 TGFβ1 CpG sites discriminated between CD and UC (AUC = 0.81), and 6 TGFβ1 CpG sites distinguished colonic CD from UC (AUC = 0.91). CONCLUSIONS: We found that CpG methylation in the promoter of the TGFβ1 gene has high discriminative power for identifying CD and UC and could serve as an important diagnostic marker.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,237
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInflammatory Bowel DiseasesMême sujetInflammatory Bowel DiseaseTravaux en français237 207