Neutrophil dysregulation differentiates pediatric septic shock biomarker-based mortality-risk strata: insights from weighted gene co-expression network and transcriptomic analyses
Notice bibliographique
Résumé
Background Pediatric sepsis is a leading cause of global mortality, particularly among children, with limited therapeutic options beyond antibiotics and organ support. The Pediatric Sepsis Biomarker Risk Model (PERSEVERE-II) stratifies mortality risk in pediatric septic shock, yet the molecular mechanisms underlying high mortality risk remain incompletely understood. Methods We analyzed whole blood transcriptomes collected from 81 children with septic shock on day 1 of meeting study criteria. Patients were stratified into high- and low-mortality risk groups according to the PERSEVERE-II biomarker risk model. Using weighted gene co-expression network analysis (WGCNA) and differential gene expression analyses, we identified molecular pathways and transcription factors (TFs) associated with mortality risk. Cell type differences were inferred using CIBERSORTx and using a reference single-cell dataset inclusive of neutrophils and their subsets. Findings We identified distinct molecular profiles with high-risk patients displaying significant overexpression of genes related to neutrophil degranulation and innate immunity, alongside suppressed adaptive immune responses. The predominance of developing neutrophils underscored a major role of emergency granulopoiesis. Key TFs identified, including LTF , FOXM1 , KLF1 , and CEBPB , were linked to high-risk gene expression signatures. Our findings indicate a pathological shift toward a dysregulated neutrophil-driven hyperinflammation and adaptive immune suppressive state, which together are associated with adverse outcomes. Interpretation Our results suggest that neutrophil dysregulation underpins the high mortality risk conferred by the PERSEVERE-II model. The identified transcriptional regulators may provide potential targets to mitigate neutrophil dysregulation and improve outcomes among high-risk patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».