SERUM PROTEOME PROFILING IDENTIFIES SEROLOGICALLY ACTIVE, CLINICALLY QUIESCENT LUPUS ENDOPHENOTYPES WITH DISTINCT DISEASE TRAJECTORIES
Notice bibliographique
Résumé
PV040 / #601 Poster Topic: AS04 - Biomarkers Background/Purpose Serologically active clinically quiescent (SACQ) refers to a subset of systemic lupus erythematosus (SLE) patients with elevated serological markers but no apparent clinical symptoms. The variability within SACQ complicates disease management. This study aims to identify serum proteomic markers that characterize SACQ subgroups and predict clinical outcomes. Methods SLE patients were consecutively recruited from Peking Union Medical College Hospital (January 2018 - June 2024), including 58 SACQ patients and 25 controls (13 in remission, 12 in active phase). Clinical data and serum samples were collected during follow-ups. Primary endpoints were flares and new organ damage. Serum protein profiling used Olink PEA with 3 panels (‘Target 96 Inflammation’, ‘Cardiovascular III’, ‘Immune Response’) measuring 269 proteins. Differentially expressed proteins (DEPs) were identified via generalized linear models, and SACQ subtypes were classified using unsupervised clustering. Associations between proteins and outcomes were analyzed using Cox models and LASSO regression. Results SACQ patients and controls were comparable in demographics and past SLE manifestations. Seventy-four proteins showed differential abundance between SACQ and controls. SACQ patients were classified into 3 distinct endophenotypes, with significant differences in organ involvement and prognosis. Type 1 had higher rates of lupus nephritis (66.7%) and neurological involvement (33.3%), Type 3 had elevated lupus nephritis (47.8%), while Type 2 had fewer major organ involvements. These groups exhibited significant differences in flare rates, with Type 1 showing the highest flare rate (86.7%), severe flares (40.0%) and organ damage accumulation (46.7%). Key proteins distinguishing these subtypes included IL18, PCSK9, TNFRSF14, MILR1, and BTN3A2. IL18 was significantly elevated in Type 1 compared to Type 2 (coef = 6.175, SE = 2.218, p = 0.0054). For Type 3 vs Type 2, PCSK9 (coef = 2.005, SE = 0.899, p = 0.026), TNFRSF14 (coef = 2.521, SE = 0.954, p = 0.008), MILR1 (coef = 1.472, SE = 0.721, p = 0.041), and BTN3A2 (coef = -1.378, SE = 0.611, p = 0.024) showed significant differences. Clinical correlation analysis confirmed these proteins’ association with flare and organ damage accrual. Conclusions Serum proteome analysis in SACQ identifies distinct subgroups with differing clinical outcomes, offering potential biomarkers for personalized prognosis and targeted therapy in SLE management.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».