Regulatory T Cell Biomarkers Identify Patients at Risk of Developing Acute Cellular Rejection in the First Year Following Heart Transplantation
Notice bibliographique
Résumé
BACKGROUND: Acute cellular rejection (ACR), an alloimmune response involving CD4+ and CD8+ T cells, occurs in up to 20% of patients within the first year following heart transplantation. The balance between a conventional versus regulatory CD4+ T cell alloimmune response is believed to contribute to developing ACR. Therefore, tracking these cells may elucidate whether changes in these cell populations could signal ACR risk. METHODS: We used a CD4+ T cell gene signature (TGS) panel that tracks CD4+ conventional T cells (Tconv) and regulatory T cells (Treg) on longitudinal samples from 94 adult heart transplant recipients. We evaluated combined diagnostic performance of the TGS panel with a previously developed biomarker panel for ACR diagnosis, HEARTBiT, while also investigating TGS' prognostic utility. RESULTS: Compared with nonrejection samples, rejection samples showed decreased Treg- and increased Tconv-gene expression. The TGS panel was able to discriminate between ACR and nonrejection samples and, when combined with HEARTBiT, showed improved specificity compared with either model alone. Furthermore, the increased risk of ACR in the TGS model was associated with lower expression of Treg genes in patients who later developed ACR. Reduced Treg gene expression was positively associated with younger recipient age and higher intrapatient tacrolimus variability. CONCLUSIONS: We demonstrated that expression of genes associated with CD4+ Tconv and Treg could identify patients at risk of ACR. In our post hoc analysis, complementing HEARTBiT with TGS resulted in an improved classification of ACR. Our study suggests that HEARTBiT and TGS may serve as useful tools for further research and test development.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».