MétaCan
Menu
Retour à la cohorte
Enregistrement W4362521472 · doi:10.1136/lupus-2022-000799

Targeted multiomics in childhood-onset SLE reveal distinct biological phenotypes associated with disease activity: results from an explorative study

2023· article· en· W4362521472 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueLupus Science & Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensnon disponible
Organismes subventionnairesArthritis SocietyDutch Arthritis Society
Mots-clésMedicinePhenotypeImmune systemDiseaseSystemic lupus erythematosusImmunologyTranscriptomeClinical phenotypeGeneInternal medicineBiologyGeneticsGene expression

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To combine targeted transcriptomic and proteomic data in an unsupervised hierarchical clustering method to stratify patients with childhood-onset SLE (cSLE) into similar biological phenotypes, and study the immunological cellular landscape that characterises the clusters. METHODS: Targeted whole blood gene expression and serum cytokines were determined in patients with cSLE, preselected on disease activity state (at diagnosis, Low Lupus Disease Activity State (LLDAS), flare). Unsupervised hierarchical clustering, agnostic to disease characteristics, was used to identify clusters with distinct biological phenotypes. Disease activity was scored by clinical SELENA-SLEDAI (Safety of Estrogens in Systemic Lupus Erythematosus National Assessment-Systemic Lupus Erythematosus Disease Activity Index). High-dimensional 40-colour flow cytometry was used to identify immune cell subsets. RESULTS: Three unique clusters were identified, each characterised by a set of differentially expressed genes and cytokines, and by disease activity state: cluster 1 contained primarily patients in LLDAS, cluster 2 contained mainly treatment-naïve patients at diagnosis and cluster 3 contained a mixed group of patients, namely in LLDAS, at diagnosis and disease flare. The biological phenotypes did not reflect previous organ system involvement and over time, patients could move from one cluster to another. Healthy controls clustered together in cluster 1. Specific immune cell subsets, including CD11c+ B cells, conventional dendritic cells, plasmablasts and early effector CD4+ T cells, differed between the clusters. CONCLUSION: Using a targeted multiomic approach, we clustered patients into distinct biological phenotypes that are related to disease activity state but not to organ system involvement. This supports a new concept where choice of treatment and tapering strategies are not solely based on clinical phenotype but includes measuring novel biological parameters.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,351
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle