Molecular determinants of lung function decline: a multi-level analysis of gene expression
Notice bibliographique
Résumé
BACKGROUND: Chronic obstructive pulmonary disease (COPD) is characterized by progressive lung function decline, commonly measured by forced expiratory volume in one second (FEV1). Uncovering the genetic basis of FEV1 decline is essential for understanding COPD pathophysiology and for developing therapies. We hypothesized that gene expression patterns in inflammatory pathways are associated with FEV1 decline. METHODS: We analyzed whole blood RNA-sequencing data from the 5 (n = 4,147) and 10 year visits (n = 435) in the COPDGene Study. Gene expression was assessed in three analyses: cross-sectional associations with FEV1 at two separate time points, association between year 5 gene expression and FEV1 changes from year 5–10, and longitudinal changes in both gene expression and FEV1. A gene signature derived from the 5-year visit was linked to FEV1 decline across three intervals (baseline to 5 years, 5 to 10 years, and baseline to 10 years) and tested for validation in the ECLIPSE study. RESULTS: Distinct gene sets emerged in the three analyses (Cross-sectional: 961 genes; FEV1 Change: 179; Longitudinal: 532). Only two genes (NOV and AC009404.2) overlapped across all analyses, while unique genes (e.g., MMP9, IL1RL1, and CHI3L1) were context-specific. Pathway analysis of genes from the longitudinal analysis highlighted oxidative stress and immune processes. A 20-gene signature was derived, including 17 genes positively and three negatively associated with FEV1. These signatures were significantly associated with FEV1-related traits in COPDGene and ECLIPSE. CONCLUSIONS: These findings reveal molecular markers of FEV1 decline, offering insights into COPD pathophysiology and potential therapeutic targets.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| 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 | 0,001 |
| 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 ».