Identification of Potential Predictive and Diagnostic Urinary Biomarkers for Acute Rejection in Renal Transplant Recipients: A Proteomics Study
Notice bibliographique
Résumé
Acute rejection (AR) is one of the main predictors of long-term survival of allograft. The development of noninvasive diagnostic biomarkers of AR is an unmet need for the timely detection. This study aimed to identify novel detective biomarkers of AR by analyzing the urine proteome profile of transplant patients. Forty-two transplant patients including 30 biopsy-proven AR patients (including antibody and T-cell mediated rejection) and 12 transplant patients with stable renal function (control group) were enrolled. Label-free quantification (LFQ) proteomics technique was performed on urine samples. Multivariate statistical analysis was applied for biomarker identification. The ELISA method validated EGF (epidermal growth factor) from the top 10 candidate biomarkers in an independent cohort. Gene ontology and possible pathways were also analyzed. LFQ analysis revealed 453 identified proteins differentially expressed between groups that mainly participated in complement and coagulation pathways and proteolysis. Ten proteins with the highest AUCs (Area under the ROC Curve) were identified as candidate diagnostic biomarkers. Candidate biomarkers were mainly associated with extracellular matrix (ECM) degradation and epithelial-to-mesenchymal transition (EMT). Reduction of urinary EGF measured by ELISA in an independent group confirmed proteomics results. We introduced a unique set of diagnostic urinary biomarkers for AR. Interactions of biomarkers and validation of EGF among biomarker panels revealed that ECM remodeling and EMT might be the consequence of immunological processes in AR. If validated as a panel, the mentioned biomarkers might shed light on the pathogenesis of chronic injury after AR and point out the potential treatment strategies.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».