MétaCan
Menu
Retour à la cohorte
Enregistrement W4399864133 · doi:10.1016/j.jtauto.2024.100246

Association of autoantibodies with the IFN signature and NETosis in patients with systemic lupus erythematosus

2024· article· en· W4399864133 sur OpenAlexfundno aff
Ellen D. Kaan, Tammo Brunekreef, Julia Drylewicz, Lucas L. van den Hoogen, Maarten van der Linden, Helen L. Leavis, Jacob M. van Laar, Michiel van der Vlist, Henny G. Otten, Maarten Limper

Notice bibliographique

RevueJournal of Translational Autoimmunity · 2024
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueNeutrophil, Myeloperoxidase and Oxidative Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesArthritis SocietyDutch Arthritis Society
Mots-clésAutoantibodyImmunologyNeutrophil extracellular trapsMedicineSystemic lupus erythematosusAntibodyAutoimmune diseaseDiseaseInternal medicineInflammation

Résumé

récupéré en direct d'OpenAlex

Objective: Systemic lupus erythematosus (SLE) is an autoimmune disease characterized by a variety of disease symptoms and an unpredictable clinical course. To improve treatment outcome, stratification based on immunological manifestations commonly seen in patients with SLE such as autoantibodies, type I interferon (IFN) signature and neutrophil extracellular trap (NET) release may help. It is assumed that there is an association between these immunological phenomena, since NET release induces IFN production and IFN induces autoantibody formation via B-cell activation. Here we studied the association between autoantibodies, the IFN signature, NET release, and clinical manifestations in patients with SLE. Methods: We performed principal component analysis (PCA) and hierarchical clustering of 57 SLE-related autoantibodies in 25 patients with SLE. We correlated each autoantibody to the IFN signature and NET inducing capacity. Results: We observed two distinct clusters: one cluster contained mostly patients with a high IFN signature. Patients in this cluster often present with cutaneous lupus, and have higher anti-dsDNA concentrations. Another cluster contained a mix of patients with a high and low IFN signature. Patients with high and low NET inducing capacity were equally distributed between the clusters. Variance between the clusters is mainly driven by antibodies against histones, RibP2, RibP0, EphB2, RibP1, PCNA, dsDNA, and nucleosome. In addition, we found a trend towards increased concentrations of autoantibodies against EphB2, RibP1, and RNP70 in patients with an IFN signature. We found a negative correlation of NET inducing capacity with anti-FcER (r = -0.530; p = 0.007) and anti-PmScl100 (r = -0.445; p = 0.03). Conclusion: We identified a subgroup of patients with an IFN signature that express increased concentrations of antibodies against DNA and RNA-binding proteins, which can be useful for further patient stratification and a more targeted therapy. We did not find positive associations between autoantibodies and NET inducing capacity. Our study further strengthens the evidence of a correlation between RNA-binding autoantibodies and the IFN signature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil0,266

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,198
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Translational AutoimmunityMême sujetNeutrophil, Myeloperoxidase and Oxidative MechanismsTravaux en français237 207