Development of a Blood-based Transcriptional Risk Score for Chronic Obstructive Pulmonary Disease
Notice bibliographique
Résumé
Abstract Rationale The ability of peripheral blood biomarkers to assess chronic obstructive pulmonary disease (COPD) risk and progression is unknown. Genetics and gene expression may capture important aspects of COPD-related biology that predict disease activity. Objectives Develop a transcriptional risk score (TRS) for COPD and assess the contribution of the TRS and a polygenic risk score (PRS) for disease susceptibility and progression. Methods We randomly split 2,569 COPDGene (Genetic Epidemiology of COPD) participants with whole-blood RNA sequencing into training (n = 1,945) and testing (n = 624) samples and used 468 ECLIPSE (Evaluation of COPD Longitudinally to Identify Predictive Surrogate End-points) COPD cases with microarray data for replication. We developed a TRS using penalized regression (least absolute shrinkage and selection operator) to model FEV1/FVC and studied the predictive value of TRS for COPD (Global Initiative for Chronic Obstructive Lung Disease 2–4), prospective FEV1 change (ml/yr), and additional COPD-related traits. We adjusted for potential confounders, including age and smoking. We evaluated the predictive performance of the TRS in the context of a previously derived PRS and clinical factors. Measurements and Main Results The TRS included 147 transcripts and was associated with COPD (odds ratio, 3.3; 95% confidence interval [CI], 2.4–4.5; P < 0.001), FEV1 change (β, −17 ml/yr; 95% CI, −28 to −6.6; P = 0.002), and other COPD-related traits. In ECLIPSE cases, we replicated the association with FEV1 change (β, −8.2; 95% CI, −15 to −1; P = 0.025) and the majority of other COPD-related traits. Models including PRS, TRS, and clinical factors were more predictive of COPD (area under the receiver operator characteristic curve, 0.84) and annualized FEV1 change compared with models with one risk score or clinical factors alone. Conclusions Blood transcriptomics can improve prediction of COPD and lung function decline when added to a PRS and clinical risk factors.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».