Gene expression profiling identifies candidate biomarkers for new latent tuberculosis infections. A cohort study
Notice bibliographique
Résumé
OBJECTIVE: To determine the gene expression profile in individuals with new latent tuberculosis infection (LTBI), and to compare them with people with active tuberculosis (TB) and those exposed to TB but not infected. DESIGN: A prospective cohort study. Recruitment and follow-up were conducted between September 2016 to December 2018. Gene expression and data processing and analysis from April 2019 to April 2021. SETTING: Two male Colombian prisons. PARTICIPANTS: 15 new tuberculin skin test (TST) converters (negative TST at baseline that became positive during follow-up), 11 people that continued with a negative TST after two years of follow-up, and 10 people with pulmonary ATB. MAIN OUTCOME MEASURES: Gene expression profile using RNA sequencing from PBMC samples. The differential expression was assessed using the DESeq2 package in Bioconductor. Genes with |logFC| >1.0 and an adjusted p-value < 0.1 were differentially expressed. We analyzed the differences in the enrichment of KEGG pathways in each group using InterMiner. RESULTS: The gene expression was affected by the time of incarceration. We identified group-specific differentially expressed genes between the groups: 289 genes in people with a new LTBI and short incarceration (less than three months of incarceration), 117 in those with LTBI and long incarceration (one or more years of incarceration), 26 in ATB, and 276 in the exposed but non-infected individuals. Four pathways encompassed the largest number of down and up-regulated genes among individuals with LTBI and short incarceration: cytokine signaling, signal transduction, neutrophil degranulation, and innate immune system. In individuals with LTBI and long incarceration, the only enriched pathway within up-regulated genes was Emi1 phosphorylation. CONCLUSIONS: Recent infection with MTB is associated with an identifiable RNA pattern related to innate immune system pathways that can be used to prioritize LTBI treatment for those at greatest risk for developing active TB.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».