Plasma proteomics of acute tubular injury
Notice bibliographique
Résumé
The kidney tubules constitute two-thirds of the cells of the kidney and account for the majority of the organ’s metabolic energy expenditure. Acute tubular injury (ATI) is observed across various types of kidney diseases and may significantly contribute to progression to kidney failure. Non-invasive biomarkers of ATI may allow for early detection and drug development. Using the SomaScan proteomics platform on 434 patients with biopsy-confirmed kidney disease, we here identify plasma biomarkers associated with ATI severity. We employ regional transcriptomics and proteomics, single-cell RNA sequencing, and pathway analysis to explore biomarker protein and gene expression and enriched biological pathways. Additionally, we examine ATI biomarker associations with acute kidney injury (AKI) in the Kidney Precision Medicine Project (KPMP) (n = 44), the Atherosclerosis Risk in Communities (ARIC) study (n = 4610), and the COVID-19 Host Response and Clinical Outcomes (CHROME) study (n = 268). Our findings indicate 156 plasma proteins significantly linked to ATI with osteopontin, macrophage mannose receptor 1, and tenascin C showing the strongest associations. Pathway analysis highlight immune regulation and organelle stress responses in ATI pathogenesis. Acute tubular injury (ATI) significantly contributes to many kidney diseases. Here, the authors identify several immune response and cellular stress plasma proteins linked to ATI severity and acute kidney injury, which may aid in non-invasive ATI assessment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».