Molecular landscape of kidney allograft tissues data integration portal (NephroDIP): a curated database to improve integration of high-throughput kidney transplant datasets
Notice bibliographique
Résumé
Introduction: Kidney transplantation is the optimal treatment for end-stage kidney disease; however, premature allograft loss remains a serious issue. While many high-throughput omics studies have analyzed patient allograft biospecimens, integration of these datasets is challenging, which represents a considerable barrier to advancing our understanding of the mechanisms of allograft loss. Methods: To facilitate integration, we have created a curated database containing all open-access high-throughput datasets from human kidney transplant studies, termed NephroDIP (Nephrology Data Integration Portal). PubMed was searched for high-throughput transcriptomic, proteomic, single nucleotide variant, metabolomic, and epigenomic studies in kidney transplantation, which yielded 9,964 studies. Results: From these, 134 studies with available data detailing 260 comparisons and 83,262 molecules were included in NephroDIP v1.0. To illustrate the capabilities of NephroDIP, we have used the database to identify common gene, protein, and microRNA networks that are disrupted in patients with chronic antibody-mediated rejection, the most important cause of late allograft loss. We have also explored the role of an immunomodulatory protein galectin-1 (LGALS1), along with its interactors and transcriptional regulators, in kidney allograft injury. We highlight the pathways enriched among LGALS1 interactors and transcriptional regulators in kidney fibrosis and during immunosuppression. Discussion: NephroDIP is an open access data portal that facilitates data visualization and will help provide new insights into existing kidney transplant data through integration of distinct studies and modules (https://ophid.utoronto.ca/NephroDIP).
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,023 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,007 |
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 ».