Genetic and epigenetic factors shape phenotypes and outcomes in systemic lupus erythematosus – focus on juvenile-onset systemic lupus erythematosus
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Systemic lupus erythematosus (SLE) is a severe autoimmune/inflammatory disease. Patients with juvenile disease-onset and those of non-European ancestry are most severely affected. While the exact pathophysiology remains unknown, common and rare gene variants in the context of environmental exposure and epigenetic alterations are involved. This manuscript summarizes the current understanding of genetic and epigenetic contributors to SLE risk, manifestations and outcomes. RECENT FINDINGS: Though SLE is a mechanistically complex disease, we are beginning to understand the impact of rare and common gene variants on disease expression and associated outcomes. Recent trans -ancestral and multigenerational studies suggest that differential genetic and environmental impacts shape phenotypic variability between age-groups and ancestries. High genetic burden associates with young age at disease-onset, organ involvement, and severity. Additional epigenetic impact contributes to disease-onset and severity, including SLE-phenotypes caused by rare single gene variants. Studies aiming to identify predictors of organ involvement and disease outcomes promise future patient stratification towards individualized treatment and care. SUMMARY: An improved understanding of genetic variation and epigenetic marks explain phenotypic differences between age-groups and ancestries, promising their future exploitation for diagnostic, prognostic and therapeutic considerations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».