Donor and Recipient Polygenic Risk Scores Influence Kidney Transplant Function
Notice bibliographique
Résumé
Kidney transplant outcomes are influenced by donor and recipient age, sex, HLA mismatch, donor type, anti-rejection medication adherence and disease recurrence, but variability in transplant outcomes remains unexplained. We hypothesise that donor and recipient polygenic burden for traits related to kidney function may also influence graft function. We assembled a cohort of 6,060 living and deceased kidney donor-recipient pairs. We calculated polygenic risk scores (PRSs) for kidney function-related traits in both donors and recipients. We investigated the association between these PRSs and recipient eGFR at 1- and 5-year post-transplant as well as graft failure. Donor: hypertension PRS ( P < 0.001), eGFR PRS ( P < 0.001), and intracranial aneurysm PRS ( P = 0.01), along with recipient eGFR PRS ( P = 0.001) were associated with eGFR at 1-year post-transplantation. Clinical factors explained 25% of the variation in eGFR at 1-year and 13% at 5-year, with PRSs cumulatively adding 1% in both cases. PRSs were not associated with long-term graft survival. We demonstrate a small, but statistically significant association between donor and recipient PRSs and recipient graft function at 1- and 5-year post-transplant. This effect is, at present, unlikely to have clinical application and further research is required to improve PRS performance.
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 | 0,000 | 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 ».