Increased Autoantibodies Against Ro/SS-A, CENP-B, and La/SS-B in Patients With Kidney Allograft Antibody-mediated Rejection
Notice bibliographique
Résumé
Background. Antibody-mediated rejection (AMR) causes more than 50% of late kidney graft losses. In addition to anti-human leukocyte antigen (HLA) donor-specific antibodies, antibodies against non-HLA antigens are also linked to AMR. Identifying key non-HLA antibodies will improve our understanding of AMR. Methods. We analyzed non-HLA antibodies in sera from 80 kidney transplant patients with AMR, mixed rejection, acute cellular rejection (ACR), or acute tubular necrosis. IgM and IgG antibodies against 134 non-HLA antigens were measured in serum samples collected pretransplant or at the time of diagnosis. Results. Fifteen non-HLA antibodies were significantly increased ( P < 0.05) in AMR and mixed rejection compared with ACR or acute tubular necrosis pretransplant, and 7 at diagnosis. AMR and mixed cases showed significantly increased pretransplant levels of IgG anti-Ro/Sjögren syndrome-antigen A (SS-A) and anti-major centromere autoantigen (CENP)-B, compared with ACR. Together with IgM anti-CENP-B and anti-La/SS-B, these antibodies were significantly increased in AMR/mixed rejection at diagnosis. 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 class-II donor-specific antibodies ( P < 0.05). Significant increases in IgG anti-Ro/SS-A and IgM anti-CENP-B antibodies in AMR/mixed rejection compared with ACR were reproduced in an external cohort of 60 kidney transplant patients. Conclusions. This is the first study implicating autoantibodies anti-Ro/SS-A and anti-CENP-B in AMR. These antibodies may participate in the crosstalk between autoimmunity and alloimmunity in kidney 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».