MétaCan
Menu
← Retour à la cohorte
Enregistrement W3109078536 · doi:10.1101/2020.12.02.408922

Autoantibodies Against Ro/SS-A, CENP-B, and La/SS-B are Increased in Patients with Kidney Allograft Antibody-Mediated Rejection

2020· preprint· en· W3109078536 sur OpenAlexaff
Sergi Clotet‐Freixas, Max Kotlyar, Caitríona M. McEvoy, Chiara Pastrello, Sonia Rodríguez‐Ramírez, Sofia Farkona, Héloïse Cardinal, Mélanie Dieudé, Marie‐Josée Hébert, Yanhong Li, Olusegun Famure, Peixuen Chen, S. Joseph Kim, Emilie Chan, Igor Jurišica, Rohan John, Andrzej Chruscinski, Ana Konvalinka

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensUniversity of TorontoTranslational Research in OncologyToronto General HospitalCentre Hospitalier de l’Université de MontréalUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineAntibodyAutoantibodyKidney transplantationKidneyAntigenImmunologyHuman leukocyte antigenDonor specific antibodiesInternal medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Antibody-mediated rejection (AMR) causes >50% of late kidney graft losses. Although donor-specific antibodies (DSA) against HLA cause AMR, antibodies against non-HLA antigens are also linked to rejection. Identifying key non-HLA antibodies will improve our understanding of antibody-mediated injury. We analyzed non-HLA antibodies using protein microarrays in sera from 91 kidney transplant patients with AMR, mixed rejection, acute cellular rejection (ACR), or acute tubular necrosis (ATN). IgM and IgG antibodies against 134 non-HLA antigens were measured pre-transplant, at the time of biopsy-proven diagnosis, and post-diagnosis. Findings were validated in 60 kidney transplant patients from an independent cohort. Seventeen non-HLA antibodies were significantly increased (p<0.05) in AMR and mixed rejection compared to ACR or ATN pre-transplant, nine at diagnosis and six post-diagnosis. AMR and mixed cases showed significantly increased pre-transplant levels of IgG anti-Ro/SS-A and anti-CENP-B, compared to ACR. Together with IgM anti-CENP-B and anti-La/SS-B, these antibodies were also significantly increased in AMR/mixed rejection at diagnosis. Increased IgG anti-Ro/SS-A and anti-CENP-B pre-transplant and at diagnosis, and IgM anti-La/SS-B at diagnosis, were associated with the presence of microvascular lesions, but not with tubulitis or interstitial/total inflammation. All three antibodies were associated with the presence of class-II DSA (p<0.05). Significantly increased IgG anti-Ro/SS-A in AMR/mixed compared to ACR (p=0.01), and numerically increased IgM anti-CENP-B (p=0.05) and anti-La/SS-B (p=0.06), were validated in the independent cohort. This is the first study that implicates autoantibodies against Ro/SS-A and CENP-B in AMR. These non-HLA antibodies may participate in the crosstalk between autoimmunity and alloimmunity in kidney AMR. SIGNIFICANCE STATEMENT Antibody-mediated rejection (AMR) causes >50% of kidney graft losses. Although donor-specific antibodies against HLA cause AMR, antibodies against non-HLA antigens are also linked to rejection. Serum samples of 91 kidney transplant patients were analyzed using protein arrays against 134 non-HLA antigens. AMR and mixed rejection cases showed significantly increased pre-transplant levels of IgG anti-Ro/SS-A and anti-CENP-B, compared to acute cellular rejection. Together with IgM anti-CENP-B and anti-La/SS-B, these antibodies were significantly increased in AMR/mixed rejection at diagnosis and were validated in a second, independent cohort. Increased IgG anti-Ro/SS-A, IgG anti-CENP-B and IgM anti-La/SS-B were associated with the presence of microvascular lesions and anti-HLA class-II antibodies. This is the first study to implicate anti-Ro/SS-A, anti-La/SS-B and anti-CENP-B autoantibodies in AMR.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,223 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetRenal Transplantation Outcomes and Treatments→Travaux en français237 207→