Metabolism and response to stress gene signatures reveal ulcerative colitis heterogeneity and identify patients with increased response to therapy
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Ulcerative colitis (UC) therapies lead to variable remission and response rates in patients participating in clinical trials, likely due to interindividual target variability, differences in active biological pathways, feedback, and/or resistance mechanisms. Here, we stratified patients into subtypes by characterizing heterogeneity using mucosal biopsy transcriptomics data. METHODS: Transcriptomics data from an andecaliximab phase 2/3 study in patients with UC were scored for gene signature enrichment. Eleven Reactome gene sets, moderately correlated with histological disease activity using Robarts Histopathology Index with low correlation to each other, were selected and evaluated in baseline gene expression data of ustekinumab, infliximab, and adalimumab clinical trials in patients with UC. RESULTS: Of 11 gene sets, referred to as "Metabolism and Response to Stress" (MARS) signatures, 5 correlated with "non-disease" mucosa and 6 with "disease-related" mucosa. Clustering baseline andecaliximab samples scored with MARS revealed 3 clusters with low non-disease/high disease-related, high non-disease/low disease-related, or a mixture. Importantly, these clusters did not correlate with patient demographics, clinical characteristics, or disease activity metrics. Clustering baseline data from other clinical trials (anti-interleukin-12/23 and anti-tumor necrosis factor) in patients with UC scored with MARS showed that patients in low non-disease/high disease-related baseline score clusters less likely to achieve treatment response. CONCLUSIONS: We identified and evaluated a novel, multi-dimensional signature gene set to characterize previously undefined heterogeneity in patients with UC and identify patients less likely to respond to therapy. This approach offers potential utility to define clinical trial populations, enrich for clinical responders, and identify difficult-to-treat populations for therapeutic development.
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 | 0,000 | 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 ».