MétaCan
Menu
Retour à la cohorte
Enregistrement W3162596284 · doi:10.1136/thoraxjnl-2019-214476

Bronchial gene expression signature associated with rate of subsequent FEV<sub>1</sub> decline in individuals with and at risk of COPD

2021· article· en· W3162596284 sur OpenAlexaff
Elizabeth J. Becker, Alen Faiz, Maarten van den Berge, Wim Timens, Pieter S. Hiemstra, Kristopher Clark, Gang Liu, Xiaohui Xiao, Yuriy O. Alekseyev, George O'connor, Stephen Lam, Avrum Spira, Marc E. Lenburg, Katrina Steiling

Notice bibliographique

RevueThorax · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensBC Cancer Agency
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of HealthJanssen Research and DevelopmentTeva Pharmaceutical IndustriesPfizerJanssen PharmaceuticalsAstraZenecaLUNGevity FoundationEli Lilly and CompanyGlaxoSmithKline
Mots-clésCOPDMedicineGene expressionGene signatureGeneGene expression profilingMicroarrayMicroarray analysis techniquesTranscriptomeInternal medicineBioinformaticsImmunologyBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Background COPD is characterised by progressive lung function decline. Leveraging prior work demonstrating bronchial airway COPD-associated gene expression alterations, we sought to determine if there are alterations associated with differences in the rate of FEV1 decline. Methods We examined gene expression among ever smokers with and without COPD who at baseline had bronchial brushings profiled by Affymetrix microarrays and had longitudinal lung function measurements (n=134; mean follow-up=6.38±2.48 years). Gene expression profiles associated with the rate of FEV1 decline were identified by linear modelling. Results Expression differences in 171 genes were associated with rate of FEV1 decline (false discovery rate <0.05). The FEV1 decline signature was replicated in an independent dataset of bronchial biopsies from patients with COPD (n=46; p=0.018; mean follow-up=6.76±1.32 years). Genes elevated in individuals with more rapid FEV1 decline are significantly enriched among the genes altered by modulation of XBP1 in two independent datasets (Gene Set Enrichment Analysis (GSEA) p<0.05) and are enriched in mucin-related genes (GSEA p<0.05). Conclusion We have identified and replicated an airway gene expression signature associated with the rate of FEV1 decline. Aspects of this signature are related to increased expression of XBP1-regulated genes, a transcription factor involved in the unfolded protein response, and genes related to mucin production. Collectively, these data suggest that molecular processes related to the rate of FEV1 decline can be detected in airway epithelium, identify a possible indicator of FEV1 decline and make it possible to detect, in an early phase, ever smokers with and without COPD most at risk of rapid FEV1 decline.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,009
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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThoraxMême sujetRNA modifications and cancerTravaux en français237 207