Development and Validation of a Bronchoalveolar Lavage Genomic Classifier for Acute Cellular Rejection
Notice bibliographique
Résumé
Background: Acute cellular rejection (ACR) is the main risk factor for chronic lung allograft dysfunction (CLAD), but diagnosis requires invasive transbronchial biopsy (TBB). We previously demonstrated the feasibility of bronchoalveolar lavage cell pellet (BAL-cp) gene expression for ACR diagnosis. We sought to develop and validate a genomic classifier for ACR in a multicenter cohort. Methods: We performed RNA-seq on 806 BAL-cp from 181 lung transplant recipients enrolled in CTOT-20. Differential expression was based on fold difference >2.0 and False Discovery adjusted p-value <0.05. Samples were randomly split 80:20 into training and testing sets. A Random Forest model was optimized for area under the curve (AUC), and the threshold for genomic ACR was selected for classification accuracy. We validated performance in an independent single-center cohort. Cox models evaluated risk for CLAD. Findings: From 37 cases and 151 controls, we identified 62 ACR genes, indicating upregulation of T-cell receptor signaling, and downregulation of CTLA4 signaling in cytotoxic lymphocytes, among other enriched pathways. A 31-gene Random Forest model’s AUC was 0.99 (SE 0.0053) in the training set, and 0.72 (SE 0.0874) in the test set. At a probability threshold of 0.396, accuracy for distinguishing clinically significant ACR cases from stable controls was 93.1% (specificity 95.4%, sensitivity 83.8%). In the independent validation cohort, accuracy was 82.1% (specificity 87.5%, sensitivity 73.3%). The model classified 138 (17.1%) CTOT-20 samples as genomic ACR. Late genomic ACR (≥90 days posttransplant) associated with increased CLAD risk (HR 2.52, 95% CI 1.47 - 4.34, p<0.001). Interpretation: A BAL-cp genomic classifier can identify ACR, predict CLAD risk, and may be a less invasive alternative to TBB after lung transplant.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».