Prediction of Psoriatic Arthritis in Patients With Psoriasis Using <scp>DNA</scp> Methylation Profiles
Notice bibliographique
Résumé
OBJECTIVE: Psoriatic arthritis (PsA) is an immune-mediated inflammatory arthritis, associated with psoriasis, that significantly increases morbidity and mortality risk. We currently lack the means of predicting which patients with psoriasis will develop PsA, and a large number of patients remain undiagnosed. Regulation of gene expression through DNA methylation can potentially trigger and maintain PsA pathophysiological processes. We aimed to identify DNA methylation markers that can predict which patients with psoriasis will develop PsA prior to the onset of musculoskeletal symptoms. METHODS: Genome-wide DNA methylation was assessed in blood samples from patients with psoriasis who went on to develop arthritis (converters) and patients with psoriasis who did not (biologic naive, matched for age, sex, psoriasis duration, and duration of follow-up). Methylation differences between converters and nonconverters were identified by a multivariate linear regression model including clinical covariates (age, sex, body mass index, smoking). Predictive performance of methylation markers was assessed by developing support vector machine classification models with and without the addition of clinical variables. RESULTS: We identified a set of 36 highly relevant methylation markers (false discovery rate: adjusted P < 0.05 and a minimum change in methylation of 0.05) across 15 genes and several intergenic regions. A classification model relying on these markers identified converters and nonconverters with an area under the receiver operating characteristic curve of 0.9644. CONCLUSION: This study shows that DNA methylation patterns at an early stage of psoriatic disease can distinguish between patients who will develop PsA from those who will not during the same follow-up.
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) | 0,001 | 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) | 0,000 | 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 ».