A Urinary Proteomics Approach to Predict Treatment Response in Acute Antibody-Mediated Rejection
Notice bibliographique
Résumé
Acute antibody-mediated rejection (AMR) is a severe complication affecting kidney allografts' long-term survival. Timely detection and appropriate treatment of AMR are crucial for improving graft outcomes. This study aimed to discover non-invasive urinary biomarkers that can predict the response to therapy in patients with AMR. Materials and Methods: In this case-control study, urine samples from 21 biopsy-proven AMR patients underwent proteomics using label-free quantification. The patients were divided into two groups: responders and non-responders to treatment based on their graft function. Urinary proteins were identified, and their expressions were compared between the two groups to identify potential candidate biomarkers. Out of the 1020 identified proteins, 257 proteins were found to be differentially expressed between the two groups. Among these, 153 proteins showed increased expression in non-responder patients, while 104 proteins showed decreased expression. Non-responder patients exhibited higher activation of complement pathway and extracellular matrix degradation than responders. Insulin-like growth factor binding protein 6 (IGFBP-6) emerged as the most sensitive and specific biomarker for predicting non-response to treatment in patients with AMR. Our study has successfully identified urinary proteome biomarkers that can distinguish and predict non-responder patients with AMR. These biomarkers are associated with various biological processes that reflect the pathogenesis and severity of AMR. Further research is necessary to validate these findings.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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) | 0,001 | 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 ».