Dissecting the impact of molecular T-cell HLA mismatches in kidney transplant failure: A retrospective cohort study
Notice bibliographique
Résumé
Introduction: donor specific antibody development continues to negatively impact patients undergoing kidney transplantation. One of the recent advances in solid organ transplantation has been the definition of molecular mismatching between donors and recipients' Human Leukocyte Antigens (HLA). While not fully integrated in standard clinical care, cumulative molecular mismatch at the level of eplets (EMM) as well as the PIRCHE-II score have shown promise in predicting transplant outcomes. In this manuscript, we sought to study whether certain T-cell molecular mismatches (TcEMM) were highly predictive of death-censored graft failure (DCGF). Methods: We studied a retrospective cohort of kidney donor:recipient pairs from the Scientific Registry of Transplant Recipients (2000-2015). Allele level HLA-A, B, C, DRB1 and DQB1 types were imputed from serologic types using the NMDP algorithm. TcEMMs were then estimated using the PIRCHE-II algorithm. Multivariable Accelerated Failure Time (AFT) models assessed the association between each TcEMM and DCGF. To discriminate between TcEMMs most predictive of DCGF, we fit multivariable Lasso penalized regression models. We identified co-expressed TcEMMs using weighted correlation network analysis (WGCNA). Finally, we conducted sensitivity analyses to address PIRCHE and IMGT/HLA version updates. Results: A total of 118,309 donor:recipient pairs meeting the eligibility criteria were studied. When applying the PIRCHE-II algorithm, we identified 1,935 distinct TcEMMs at the population level. A total of 218 of the observed TcEMM were independently associated with DCGF by AFT models. The Lasso penalized regression model with post selection inference identified a smaller subset of 86 TcEMMs (56 and 30 TcEMM derived from HLA Class I and II, respectively) to be highly predictive of DCGF. Of the observed TcEMM, 38.14% appeared as profiles of highly co-expressed TcEMMs. In addition, sensitivity analyses identified that the selected TcEMM were congruent across IMGT/HLA versions. Conclusion: In this study, we identified subsets of TcEMMs highly predictive of DCGF and profiles of co-expressed mismatches. Experimental verification of these TcEMMs determining immune responses and how they may interact with EMM as predictors of transplant outcomes would justify their consideration in organ allocation schemes and for modifying immunosuppression regimens.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».