Donor-Specific Antibody Is Associated with Increased Expression of Rejection Transcripts in Renal Transplant Biopsies Classified as No Rejection
Notice bibliographique
Résumé
Significance Statement Many kidney transplant patients in INTERCOMEX whose biopsy specimens are diagnosed molecularly or histologically as no rejection have donor-specific HLA antibodies (DSAs, 32%). Although the significance of DSA in no rejection has been unclear, we hypothesized that current diagnostic thresholds miss some DSA-positive patients who may have subtle antibody-mediated rejection (ABMR)–related stress, with potential effect on outcomes. To search for subtle ABMR-related gene expression in “no rejection” biopsy samples, we developed a “DSA-probability” classifier (trained on DSA positivity) in microarray results from 1679 biopsy samples that detected ABMR-related transcripts ( e.g., NK cell and IFNG-inducible). Many no rejection biopsy samples had mildly increased expression of ABMR-related transcripts, associated with DSA positivity, and these kidneys had increased risk of failure. Thus, mild ABMR-related stress is more common than previously thought. Background Donor -specific HLA antibody (DSA) is present in many kidney transplant patients whose biopsies are classified as no rejection (NR). We explored whether in some NR kidneys DSA has subtle effects not currently being recognized. Methods We used microarrays to examine the relationship between standard-of-care DSA and rejection-related transcript increases in 1679 kidney transplant indication biopsies in the INTERCOMEX study (ClinicalTrials.gov NCT01299168), focusing on biopsies classified as NR by automatically assigned archetypal clustering. DSA testing results were available for 835 NR biopsies and were positive in 271 (32%). Results DSA positivity in NR biopsies was associated with mildly increased expression of antibody-mediated rejection (ABMR)–related transcripts, particularly IFNG-inducible and NK cell transcripts. We developed a machine learning DSA probability (DSA Prob ) classifier based on transcript expression in biopsies from DSA-positive versus DSA-negative patients, assigning scores using 10-fold cross-validation. This DSA Prob classifier was very similar to a previously described “ABMR probability” classifier trained on histologic ABMR in transcript associations and prediction of molecular or histologic ABMR. Plotting the biopsies using Uniform Manifold Approximation and Projection revealed a gradient of increasing molecular ABMR-like transcript expression in NR biopsies, associated with increased DSA ( P <2 × 10 −16 ). In biopsies with no molecular or histologic rejection, increased DSA Prob or ABMR probability scores were associated with increased risk of kidney failure over 3 years. Conclusions Many biopsies currently considered to have no molecular or histologic rejection have mild increases in expression of ABMR-related transcripts, associated with increasing frequency of DSA. Thus, mild molecular ABMR-related pathology is more common than previously realized.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».