Serum proteomic networks associate with pre-clinical rheumatoid arthritis autoantibodies and longitudinal outcomes
Notice bibliographique
Résumé
Objectives: The development of autoantibody directed towards citrullinated proteins (ACPA) are predictive of RA in at-risk individuals. The biological events that underpin loss of immune tolerance and progression into inflammatory arthritis are not known. We sought to identify serum proteomic alterations that drive autoantibody formation, persistence and progression into inflammatory arthritis in a cohort of first-degree relatives (FDR) of RA patients. Methods: We studied baseline serum samples from a cohort of Indigenous FDR (n = 147) and quantified serum proteins using a 48-plex platform. Longitudinal outcomes were defined on the basis of ACPA status and progression into inflammatory arthritis (IA). K-means clustering, differential expression, and principal components analyze group differences. A co-expression module analysis was used to identify enriched networks. Random forest was used to classify ACPA positive samples, while network analysis was used to understand underlying biological processes based on protein expression. Results: We defined 6 proteomic clusters, with enrichment of ACPA positive samples in one of the clusters. 23 of 24 differentially expressed proteins in ACPA positive samples were upregulated. A co-expression network was enriched in ACPA positive sera and individuals who progressed into IA. Random Forest achieved an area under the curve of 0.767 to classify ACPA positive sera in a test dataset. Network analysis revealed upregulation of JAK-STAT signalling as being activated in those at highest risk to develop future IA. Conclusions: The serum proteome provides a rich dataset to understand biological processes in ACPA seropositive individuals. A combination of serum biomarkers, including ACPA, may predict future arthritis onset in at-risk individuals.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».