Identification de nouvelles protéines et déterminants génétiques de la pancréatite aiguë
Bibliographic record
Abstract
La pancréatite aiguë (PA) constitue la principale cause d'admissions en centre hospitalier liée à des troubles gastrointestinaux dans le monde, et sa prévalence est en augmentation. La PA est associée à plusieurs comorbidités dont la prévalence mondiale est également en augmentation, comme le syndrome métabolique et le diabète de type 2. L'architecture génétique de la PA demeure toutefois peu caractérisée et peu ou pas d'options thérapeutiques existent présentement pour sa prévention ou son traitement. Notre hypothèse était qu'il est possible d'identifier de nouveaux gènes associés à la PA à l'aide d'études d'association pangénomiques et d'identifier des protéines circulantes associées à la PA à l'aide de la randomisation mendélienne à l'échelle du proteome sanguine humain, et que les résultats de ces analyses pouvaient permettre d'identifier des cibles thérapeutiques potentielles pour la PA. Nos résultats ont non seulement confirmé des associations connues entre certains genes et la PA, mais également mis en évidence de nouveaux gènes potentiellement impliqués dans la maladie. Nous avons également pu identifier plusieurs protéines sanguines causalement impliquées dans la pathophysiologie de la PA dont plusieurs sont des cibles thérapeutiques potentielles pour la PA. En outre, nous avons identifié des médicaments ciblant ces protéines, dont l'effet est cohérent avec celui obtenu grâce aux analyses de randomisation mendélienne et qui pourraient être réutilisés dans le cadre de la prevention ou du traitement de la PA.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".