Investigating Transcriptional Age Acceleration in Inflammatory Skin Diseases
Notice bibliographique
Résumé
Epigenetic age acceleration has previously been observed in inflammatory skin disease, however, less is known regarding recently described age-related gene expression patterns ("transcriptional clocks"). We investigated the role of transcriptional clocks in hidradenitis suppurativa (HS; n=37), atopic dermatitis (AD; n=27), plaque psoriasis (PP; n=28) and healthy subjects (n=38) using seven clock algorithms, to improve understanding of underlying pathophysiology and disease trajectory. Five of seven transcriptional clocks demonstrated moderate-to-strong accuracy in predicting age across groups (AD: ρ =0.40-0.86; HS: ρ =0.46-0.74; PP: ρ =0.50-0.80; healthy subjects: ρ =0.32-0.60, p <0.05). Age acceleration was observed in lesional versus healthy (AD: +3.9∼9.8y, t= 2.8∼5.9; HS: +5.0∼6.1y, t =2.5∼4.1; PP: +6.5∼12.5y, t =5.1∼8.0; p <0.05) and in lesional versus non-lesional skin in all diseases and less frequently observed in non-lesional versus healthy skin. In AD, loss-of-function mutations in the filaggrin gene were associated with transcriptional age acceleration, including FLGR244X/2282del4 dual carrier status ( t =2.3, p <0.05) and FLGR501X carrier status ( t =2.6, p <0.05). Pathway enrichment analyses revealed clock genes are enriched in signatures related to aging, inflammation, metabolism. Our study provides evidence for transcriptional age acceleration in inflammatory skin disease and sets a foundation for further investigation into the role of age-related transcriptional changes in the pathophysiology of these diseases.
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 | 0,001 |
| 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 ».