MétaCan
Menu
Retour à la cohorte
Enregistrement W4288428471 · doi:10.1101/2022.07.27.22276826

Aptamer Proteomics for Biomarker Discovery in Heart Failure with Reduced Ejection Fraction

2022· preprint· en· W4288428471 sur OpenAlexaff
Luqing Zhang, Jonathan W. Cunningham, Brian Claggett, Jaison Jacob, Mike Mendelson, Pablo Serrano‐Fernández, Sérgio Kaiser, Denise P. Yates, Margaret L. Healey, Chien‐Wei Chen, Gordon M. Turner, Natasha Patel‐Murray, Faye Zhao, Michael T. Beste, Jason M. Laramie, William T. Abraham, Pardeep S. Jhund, Lars Køber, Milton Packer, Jean L. Rouleau, Michael R. Zile, Margaret F. Prescott, Martin Lefkowitz, John J.V. McMurray, Scott D. Solomon, William A. Chutkow

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueGDF15 and Related Biomarkers
Établissements canadiensUniversité de MontréalMontreal Heart Institute
Organismes subventionnairesRelypsaNovo NordiskUniversity of GlasgowBoston Scientific CorporationAlnylam PharmaceuticalsMyoKardiaGilead SciencesCytokineticsDaiichi Sankyo EuropeSanofiBristol-Myers SquibbAstraZenecaAmgenPfizerIronwood Pharmaceuticals, IncorporatedGlaxoSmithKline
Mots-clésMendelian randomizationBiomarkerClinical endpointBiomarker discoveryHeart failureInternal medicineNatriuretic peptideProteomicsProportional hazards modelMedicineEjection fractionClinical trialOncologyBioinformaticsCardiologyBiologyGeneticsGenotypeGenetic variants

Résumé

récupéré en direct d'OpenAlex

Abstract Background Systematically characterizing associations between circulating proteins and risk for subsequent clinical events may improve clinical risk prediction and shed light on unrecognized biological pathways in heart failure (HF). Large-scale assays measuring thousands of proteins now enable broad proteomic investigation in clinical trials. Methods Serum levels of 4076 proteins were measured at baseline in the ATMOSPHERE (n=1258, 487 events over 6 years) and PARADIGM-HF (n=1257, 287 events over 4 years) trials of chronic HF with reduced ejection fraction using a modified aptamer-based proteomics assay. Proteins associated with the primary endpoint of HF hospitalization or cardiovascular death were identified in the ATMOSPHERE discovery cohort by Cox regression adjusted for age, sex, treatment arm, and anticoagulant use (false discovery rate<0.05), and were replicated in PARADIGM-HF (Bonferroni-corrected p<0.05). A proteomic risk score was derived in ATMOSPHERE using Cox LASSO penalized regression and evaluated in PARADIGM-HF compared to the MAGGIC clinical risk score and N-terminal pro-B-type natriuretic peptide (NT-proBNP) immunoassay. For proteins that were associated with the primary endpoint, two-sample Mendelian randomization was performed using genetic and outcome data from both trials and protein quantitative trait loci from deCODE to infer causal associations. Results We identified 377 serum proteins that were associated with the primary endpoint in ATMOSPHERE and replicated 167 in PARADIGM-HF. Prognostic proteins included known HF biomarkers such as Growth Differentiation Factor 15, NT-BNP, and Angiopoietin-2, and also a previously unrecognized HF biomarker: Sushi, Von Willebrand Factor Type A, EGF and Pentraxin Domain Containing 1 (SVEP1, HR 1.60 [95% CI 1.44-1.79] per standard deviation [SD], p=2×10 −17 ). A 64-protein risk score derived in ATMOSPHERE predicted the primary endpoint in PARADIGM-HF with greater discrimination (C-statistic 0.70) than the MAGGIC clinical score (C-statistic 0.61), NT-proBNP (C-statistic 0.65), or both (C-statistic 0.66). Genetically controlled levels of BNP, WISP2, FSTL1, and CTSS were associated with the primary endpoint by Mendelian randomization. Conclusions We identified SVEP1, an extracellular matrix protein known to cause inflammation in vascular smooth muscle cells, as a new HF biomarker associated with risk of hospitalization or death. A 64-protein score improved risk discrimination compared with NT-proBNP and may assist in identifying high-risk patients.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,019
Tête enseignante GPT0,279
Écart entre enseignants0,260 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetGDF15 and Related BiomarkersTravaux en français237 207