Small airway brush gene expression predicts chronic lung allograft dysfunction and mortality
Notice bibliographique
Résumé
BACKGROUND: Chronic lung allograft dysfunction (CLAD) limits survival following lung transplant, but substantial lung damage occurs before diagnosis by traditional methods. We hypothesized that small airway gene expression patterns could identify CLAD risk before spirometric diagnosis and predict subsequent graft failure. METHODS: Candidate genes from 4 rejection-associated transcript sets were assessed for associations with CLAD or graft failure in a derivation cohort of 156 small airway brushes from 45 CLAD cases and 37 time-matched controls with >1-year stable lung function. Candidate genes not associated with CLAD and time to graft failure were excluded, yielding the Airway Inflammation 2 (AI2) gene set. Area under the receiver operating curve (AUC) for CLAD and competing risks of death or graft failure were assessed in an independent validation cohort of 37 CLAD cases and 37 controls. RESULTS: Thirty-two candidate genes were associated with CLAD and graft failure, comprising the AI2 score, which clustered into 3 subcomponents. The AI2 score identified CLAD before its onset, in early and late post-CLAD brushes, as well as in the validation cohort (AUC 0.69-0.88). The AI2 score association with CLAD was independent of positive microbiology, CLAD stage, or CLAD subtype. However, transcripts most associated with CLAD evolved over time from CLAD onset. The AI2 score predicted time to graft failure and retransplant-free survival in both cohorts (p ≤ 0.03). CONCLUSIONS: This airway inflammation gene score is associated with CLAD development, graft failure, and death. Future studies defining the molecular heterogeneity of airway inflammation could lead to endotype-targeted therapies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
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 ».