Proteomic analysis investigating kidney transplantation outcomes- a scoping review
Notice bibliographique
Résumé
BACKGROUND: Kidney transplantation is the optimal treatment option for most patients with end-stage kidney disease given the significantly lower morbidity and mortality rates compared to remaining on dialysis. Rejection and graft failure remain common in transplant recipients with limited improvement in long-term transplant outcomes despite therapeutic advances. There is an unmet need in the development of non-invasive biomarkers that specifically monitor graft function and predict transplant pathologies that affect outcomes. Despite the potential of proteomic investigatory approaches, up to now, no candidate biomarkers of sufficient sensitivity or specificity have translated into clinical use. The aim of this review was to collate and summarise protein findings and protein pathways implicated in the literature to date, and potentially flag putative biomarkers worth validating in independent patient cohorts. METHODS: This review followed the Joanna Briggs' Institute Methodology for a scoping review. MedlineALL, Embase, Web of Science Core Collection, Scopus and Google Scholar databases were searched from inception until December 2022. Abstract and full text review were undertaken independently by two reviewers. Data was collated using a pre-designed data extraction tool. RESULTS: One hundred one articles met the inclusion criteria. The majority were single-centre retrospective studies of small sample size. Mass spectrometry was the most used technique to evaluate differentially expressed proteins between diagnostic groups and studies identified various candidate biomarkers such as immune or structural proteins. DISCUSSION: Putative immune or structural protein candidate biomarkers have been identified using proteomic techniques in multiple sample types including urine, serum and fluid used to perfuse donor kidneys. The most consistent findings implicated proteins associated with tubular dysfunction and immunological regulatory pathways such as leukocyte trafficking. However, clinical translation and adoption of candidate biomarkers is limited, and these will require comprehensive evaluation in larger prospective, multicentre trials.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
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 ».