Discovering novel injury features in kidney transplant biopsies associated with TCMR and donor aging
Notice bibliographique
Résumé
We previously characterized the molecular changes in acute kidney injury (AKI) and chronic kidney disease (CKD) in kidney transplant biopsies, but parenchymal changes selective for specific types of injury could be missed by such analyses. The present study searched for injury changes beyond AKI and CKD related to specific scenarios, including correlations with donor age. We defined injury using previously defined gene sets and classifiers and used principal component analysis to discover new injury dimensions. As expected, Dimension 1 distinguished normal vs. injury, and Dimension 2 separated early AKI from late CKD, correlating with time posttransplant. However, Dimension 3 was novel, distinguishing a set of genes related to epithelial polarity (e.g., PARD3) that were increased in early AKI and decreased in T cell-mediated rejection (TCMR) but not in antibody-mediated rejection. Dimension 3 was increased in kidneys from older donors and was particularly important in survival of early kidneys. Thus high Dimension 3 scores emerge as a previously unknown element in the kidney response-to-injury that affects epithelial polarity genes and is increased in AKI but depressed in TCMR, indicating that in addition to general injury elements, certain injury elements are selective for specific pathologic mechanisms. (ClinicalTrials.gov NCT01299168).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».