O10 TNF signalling associated with high risk compared to low risk disease in primary biliary cholangitis: a transcriptomic analysis of peripheral immune cells
Notice bibliographique
Résumé
Primary biliary cholangitis (PBC) is an immune-mediated inflammatory disorder of the interlobular bile ducts which leads in many cases to cirrhosis. In patients with PBC, inadequate biochemical response to first-line treatment with ursodeoxycholic acid (UDCA) identifies those at high risk of progressive liver disease. In this study, we used transcriptional profiling of peripheral immune cells to gain insight into the immunobiology of high- vs. low-risk disease. We performed bulk RNA-sequencing of monocytes, NK cells, CD4+ T cells, CD8+ T cells, and B cells isolated from the peripheral blood of 40 treatment-naïve PBC patients; 36 high-risk patients (ALP ≥1.67 times the upper limit of normal [ULN] despite treatment with UDCA); 32 low-risk patients (ALP <1×ULN on UDCA); and 32 matched controls. We used Weighted Gene Co-expression Network Analysis (WGCNA) to identify networks of co-expressed genes (“modules”) associated with high-risk, low-risk or any PBC, and the most highly connected genes (“hub genes”) within them. Finally, we performed Multi-Omics Factor Analysis (MOFA) of WGCNA modules to identify the principal axes of biological variation (“latent factors”) across all immune cell subsets. We identified modules associated with high-risk, low-risk, or any PBC patient (q < 0.05) in each PBMC subset. Hub genes and functional annotations suggested that: (1) CD4+ T cells, CD8+ T cells and monocytes are active in PBC patients irrespective of disease activity, with enrichment of genes involved in TNF, IL-2, IL-6, and INFγ signalling, amongst other pathways; and (2) TNF signalling, implicated in all five cell types studied, is associated with high risk compared to low risk disease. Using MOFA, we identified one latent factor which bridged all cell types; was heavily weighted for modules enriched for TNF signalling; and showed significant difference in high compared to low risk disease (q < 0.05). Using this approach we found evidence of pro-inflammatory signalling in all stages of PBC disease irrespective of high-risk or low-risk disease and we identified TNF signalling as key in high risk compared to low risk disease.
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 | 0,000 | 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 ».