Diagnosis, Prognosis, and Drug Target Discovery for Chronic Widespread Pain: A Large Proteogenomic Study
Notice bibliographique
Résumé
Chronic widespread pain (CWP) remains challenging due to its heterogeneous causes and complex mechanisms. A total of 2920 plasma proteins are analyzed from 29,254 UK Biobank participants. A total of 256 proteins are identified as cross-sectionally correlated with CWP. A simple (top 10 proteins) and comprehensive (all significant proteins) proteomic-based score (ProtS) is created for CWP diagnosis, both outperforming and improving the existing clinical score (area under the curve, AUC: 0.801, 0.723, and 0.791 alone, and 0.856 and 0.880 in combination). In addition, the protein score predicted 13-years risk of pain-related traits over the body, including pain onset, progression, and intensity; Moreover, it has stronger associations with nociplastic pain and fibromyalgia compared to nociceptive and neuropathic pain, implying a unique protein signature of different pain mechanisms. Finally, among 434 candidate proteins prioritized in the observational analysis, 18 are corroborated with causal relevance by Mendelian randomization, and importantly, four (CA14, DPEP1, LGALS3, and TNF) showed potential as novel drug targets repurposed for treating CWP.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».