Osteoclast <scp>microRNA</scp> Profiling in Rheumatoid Arthritis to Capture the Erosive Factor
Notice bibliographique
Résumé
In rheumatoid arthritis (RA), only a subset of patients develop irreversible bone destruction. Our aim was to identify a microRNA (miR)‐based osteoclast‐related signature predictive of erosiveness in RA. Seventy‐six adults with erosive (E) or nonerosive (NE) seropositive RA and 43 sex‐ and age‐matched healthy controls were recruited. Twenty‐five miRs from peripheral blood mononuclear cell (PBMC)‐derived osteoclasts selected from RNA‐Seq (discovery cohort) were assessed by qPCR (replication cohort), as were 33 target genes (direct targets or associated with regulated pathways). The top five miRs found differentially expressed in RA osteoclasts were either decreased (hsa‐miR‐34a‐3p, 365b‐3p, 374a‐3p, and 511‐3p [E versus NE]) or increased (hsa‐miR‐193b‐3p [E versus controls]). In vitro, inhibition of miR‐34a‐3p had an impact on osteoclast bone resorption. An integrative network analysis of miRs and their targets highlighted correlations between mRNA and miR expression, both negative ( CD38 , CD80 , SIRT1 ) and positive ( MITF ), and differential gene expression between NE versus E ( GXYLT1, MITF ) or versus controls ( CD38, KLF4 ). Machine‐learning models were used to evaluate the value of miRs and target genes, in combination with clinical data, to predict erosion. One model, including a set of miRs (predominantly 365b‐3p) combined with rheumatoid factor titer, provided 70% accuracy (area under the curve [AUC] 0.66). Adding genes directly targeted or belonging to related pathways improved the predictive power of the model for the erosive phenotype (78% accuracy, AUC 0.85). This proof‐of‐concept study indicates that identification of RA subjects at risk of erosions may be improved by studying miR expression in PBMC‐derived osteoclasts, suggesting novel approaches toward personalized treatment. © 2023 The Authors. JBMR Plus published by Wiley Periodicals LLC on behalf of American Society for Bone and Mineral Research.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».