Ultrasensitive interferons quantification reveals different cytokine profile secretion in inflammatory myopathies and can serve as biomarkers of activity in dermatomyositis
Notice bibliographique
Résumé
Objective: The objective of this study was to evaluate the presence of different types of interferon in idiopathic inflammatory myopathies (IIM) and their subgroups using ultrasensitive cytokine detection techniques (SIMOA) and to assess their potential as activity biomarkers. Methods: Disease activity was measured at the time of serum collection and assessed by manual muscle testing eight (MMT8 score 0-150), muscle enzymes to calculate the Physician Global Assessment (PGA) (0-10). Patients were classified as active if PGA>5.Serum IFN-α and IFN-γ levels was measured using the single molecule array (SIMOA) technique. Serum IFN-β level was measured by Elisa. Correlation between IFN levels and disease activity were performed. Results: We included 242 IIM patients and found a good correlation between type I Interferon (IFN) and dermatomyositis disease activity. IFN-α and IFN-β was highly correlated with disease activity (r=0.76 and r=0,58). To evaluate whether the different types of Interferons could serve as biomarkers of activity, we generated ROC curves. Patients with active DM had a higher median IFN-α level (0.49 pg/ml [0.1-3.7]) compared with non-active patients (0.03 pg/ml [0.01-0.07] p<0.05). The area under the curve was 0.90 IC95 (0.76-0.97) p<0.05. Furthermore, Myositis-specific antibodies appear to be associated with a different secretion profile; patients with anti-MDA 5 antibodies had higher level of IFN-α than most other antibodies (6.58 vs 0.14 p<0.005). NXP2 had higher IFN-β level than patients with Tif1γ antibodies. Conclusion: Serum IFN-α level measured by SIMOA is a reliable biomarker of DM activity. Myositis-specific antibodies appear to be associated with a different secretion profile. This data needs to be confirmed in order to select the good therapeutics strategies in DM.
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 | 0,000 |
| 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) | 0,001 | 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 ».