O001 A novel molecular HLA mismatch algorithm to identify transplant patients at low risk of primary alloimmunity
Notice bibliographique
Résumé
Abstract Introduction There is an unmet need for prognostic biomarkers for alloimmune risk stratification to guide personalised recipient care kidney transplantation. Methods We used three molecular Mismatch (molMM) algorithms - Amino-Acid-Mismatch-Score (AAMS), Electrostatic-Mismatch-Score (EMS3D) and NetMHCIIpan in a dataset of patients receiving standardised donor lymphocyte injections to predict de-novo donor-specific-antibody (dnDSA) at the individual HLA level (n=665). Risk thresholds were derived for HLA-DR/DQ mismatch and algorithms combined. External validation was performed in two extensively-phenotyped kidney transplant cohorts (Manitoba, n=856, Denver n=404) and in the NHSBT kidney transplant registry (2000–2020, n=27,028). Results External validation (Manitoba cohort, 10-year follow-up) showed all algorithms predicted dnDSA development using experimentally derived HLA-DR/DQ molMM risk thresholds (HLA-DQ AUC: 0.78-0.80; HLA-DR AUC:0.76-0.81). AAMS and EMS3D had improved risk stratification (low-medium-high risk groups for HLA-DR+DQ dnDSA) vs NetMHCIIpan (p=NS). A combined AAMS+EMS3D molMM algorithm further improved discrimination and identified a large patient cohort (15.4% patients) at very-low risk of Class-II dnDSA (1.3% at 10 years). Multivariate analysis confirmed correlation with primary alloimmune events (dnDSA p<0.001, TCMR p<0.001, ABMR p=0.0049) and all-cause graft loss (p=0.0038). Further external validation of the combined molMM algorithm in an ethnically diverse cohort (Denver) confirmed the dnDSA risk association (p<0.0001), and in the UK registry cohort confirmed significant association with all-cause graft loss (p<0.001). Conclusion We developed and validated a novel molMM algorithm, incorporating information from HLA amino-acid sequence and tertiary structurebthat may be used as a prognostic biomarker of primary alloimmunity risk and to enrich prospective clinical trials in kidney transplantation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».