Activation of Neutrophil Extracellular Trap Formation in Patients with Heart Failure and a Preserved Ejection Fraction
Notice bibliographique
Résumé
INTRODUCTION: Pathophysiological differences between heart failure (HF) with preserved ejection fraction (HFpEF) and HF with reduced ejection fraction (HFrEF) remain poorly understood. Therefore, we performed pathway analyses from whole-blood transcriptomics to distinguish HFpEF from HFrEF. METHODS AND RESULTS: Lexogen's QuantSeq was used to carry out whole-blood transcriptomics in 500 patients with HF (HFpEF n = 250, HFrEF n = 250). Differential gene expression analysis was performed on all protein-coding genes that met a predefined minimum expression level. Kyoto Encyclopedia of Genes and Genomes and Gene Ontology over-representation analysis was utilized to identify upregulated and downregulated biological pathways. The findings were validated in an independent cohort of 727 patients with HF. Out of 7672 protein-coding transcripts, 217 were upregulated and 110 were downregulated in patients with HFpEF compared with HFrEF. The 3 most significantly upregulated genes were neutrophil-expressed elastase, defensin alpha 4, and pro-platelet basic protein. The 3 most significantly downregulated genes were lymphotoxin beta, bridging integrator 1, and V-set pre-B cell surrogate light chain 3. Translation of differentially expressed genes into biological pathways demonstrated that the most significantly activated KEGG pathway in HFpEF was neutrophil extracellular trap formation. DISCUSSION: Transcriptomics analyses suggest activation of neutrophil extracellular trap formation pathways in patients with HFpEF. This pathway is associated with endothelial and coronary microvascular dysfunction and might be a target for future drug development in patients with HFpEF.
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 | 0,001 |
| 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 ».