Achieving tolerance modifies cancer susceptibility profiles in liver transplant recipients
Notice bibliographique
Résumé
Long-term survival of transplant recipients is significantly impacted by malignancy. We aimed to determine whether calcineurin inhibitor (CNI)-treated recipients converted to and weaned off molecular target of rapamycin inhibitor (mTOR-I) therapy have favorable changes in their molecular profiles in regard to malignancy risk. We performed gene expression profiling from liver biopsy and blood (PBMC) specimens followed by network analysis of key dysregulated genes, associated diseases and disorders, molecular and cellular functions using IPA software. Twenty non-immune, non-viremic patients were included, and 8 of them achieved tolerance. Two comparisons were performed: (1) tolerance time point vs tacrolimus monotherapy and (2) tolerance time point vs sirolimus monotherapy. Upon achieving tolerance, IPA predicted significant activation of DNA damage response (p = 5.40e-04) and inhibition of DNA replication (p = 7.56e-03). Conversion from sirolimus to tolerance showed decrease in HCC (p = 1.30e-02), hepatic steatosis (p = 5.60e-02) and liver fibrosis (p = 2.91e-02) associated genes. In conclusion, this longitudinal study of patients eventually achieving tolerance reveals an evolving molecular profile associated with decreased cancer risk and improved hepatic steatosis and liver fibrosis. This provides a biological rationale for attempting conversion to mTOR-I therapy and tolerance following liver transplantation particularly in patients at higher risk of cancer incidence and progression post-transplant.
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) | 0,001 | 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 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 ».