Precision nephrology identified tumor necrosis factor activation variability in minimal change disease and focal segmental glomerulosclerosis
Notice bibliographique
Résumé
The diagnosis of nephrotic syndrome relies on clinical presentation and descriptive patterns of injury on kidney biopsies, but not specific to underlying pathobiology. Consequently, there are variable rates of progression and response to therapy within diagnoses. Here, an unbiased transcriptomic-driven approach was used to identify molecular pathways which are shared by subgroups of patients with either minimal change disease (MCD) or focal segmental glomerulosclerosis (FSGS). Kidney tissue transcriptomic profile-based clustering identified three patient subgroups with shared molecular signatures across independent, North American, European, and African cohorts. One subgroup had significantly greater disease progression (Hazard Ratio 5.2) which persisted after adjusting for diagnosis and clinical measures (Hazard Ratio 3.8). Inclusion in this subgroup was retained even when clustering was limited to those with less than 25% interstitial fibrosis. The molecular profile of this subgroup was largely consistent with tumor necrosis factor (TNF) pathway activation. Two TNF pathway urine markers were identified, tissue inhibitor of metalloproteinases-1 (TIMP-1) and monocyte chemoattractant protein-1 (MCP-1), that could be used to predict an individual's TNF pathway activation score. Kidney organoids and single-nucleus RNA-sequencing of participant kidney biopsies, validated TNF-dependent increases in pathway activation score, transcript and protein levels of TIMP-1 and MCP-1, in resident kidney cells. Thus, molecular profiling identified a subgroup of patients with either MCD or FSGS who shared kidney TNF pathway activation and poor outcomes. A clinical trial testing targeted therapies in patients selected using urinary markers of TNF pathway activation is ongoing.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».