Endogenous adenine mediates kidney injury in diabetic models and predicts diabetic kidney disease in patients
Notice bibliographique
Résumé
Diabetic kidney disease (DKD) can lead to end-stage kidney disease (ESKD) and mortality; however, few mechanistic biomarkers are available for high-risk patients, especially those without macroalbuminuria. Urine from participants with diabetes from the Chronic Renal Insufficiency Cohort (CRIC) study, the Singapore Study of Macro-angiopathy and Micro-vascular Reactivity in Type 2 Diabetes (SMART2D), and the American Indian Study determined whether urine adenine/creatinine ratio (UAdCR) could be a mechanistic biomarker for ESKD. ESKD and mortality were associated with the highest UAdCR tertile in the CRIC study and SMART2D. ESKD was associated with the highest UAdCR tertile in patients without macroalbuminuria in the CRIC study, SMART2D, and the American Indian study. Empagliflozin lowered UAdCR in nonmacroalbuminuric participants. Spatial metabolomics localized adenine to kidney pathology, and single-cell transcriptomics identified ribonucleoprotein biogenesis as a top pathway in proximal tubules of patients without macroalbuminuria, implicating mTOR. Adenine stimulated matrix in tubular cells via mTOR and stimulated mTOR in mouse kidneys. A specific inhibitor of adenine production was found to reduce kidney hypertrophy and kidney injury in diabetic mice. We propose that endogenous adenine may be a causative factor in DKD.
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) | 0,001 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».