Longitudinal Lower Airway Microbial Signatures of Acute Cellular Rejection in Lung Transplantation
Notice bibliographique
Résumé
Abstract Rationale Acute cellular rejection (ACR) after lung transplant is a leading risk factor for chronic lung allograft dysfunction. Prior studies have demonstrated dynamic microbial changes occurring within the allograft and gut that influence local adaptive and innate immune responses. However, the lung microbiome’s overall impact on ACR risk remains poorly understood. Objectives To evaluate whether temporal changes in microbial signatures were associated with the development of ACR. Methods We performed cross-sectional and longitudinal analyses (joint modeling of longitudinal and time-to-event data and trajectory comparisons) of 16S rRNA gene sequencing results derived from lung transplant recipient lower airway samples collected at multiple time points. Measurements and Main Results Among 103 lung transplant recipients, 25 (24.3%) developed ACR. In comparing samples acquired 1 month after transplant, subjects who never developed ACR demonstrated lower airway enrichment with several oral commensals (e.g., Prevotella and Veillonella spp.) than those with current or future (beyond 1 mo) ACR. However, a subgroup analysis of those who developed ACR beyond 1 month revealed delayed enrichment with oral commensals occurring at the time of ACR diagnosis compared with baseline, when enrichment with more traditionally pathogenic taxa was present. In longitudinal models, dynamic changes in α-diversity (characterized by an initial decrease and a subsequent increase) and in the taxonomic trajectories of numerous oral commensals were more commonly observed in subjects with ACR. Conclusions Dynamic changes in the lower airway microbiota are associated with the development of ACR, supporting its potential role as a useful biomarker or in ACR pathogenesis.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».