Molecular incompatibility as a determinant of antibody-mediated rejection following kidney transplantation
Bibliographic record
Abstract
Contexte : Le rejet médié par les anticorps (RMA) est une cause majeure de perte tardive de greffons rénaux. Le RMA résulte du développement d'anticorps spécifiques au donneur (ASD) ciblant de petites unités structurelles à la surface des molécules d'antigène leucocytaire humain (HLA), appelées eplets. Les incompatibilités d'eplets (EMM) surviennent lorsque des eplets du donneur, absents du répertoire existant du receveur, sont introduits. Cette incompatibilité moléculaire déclenche une réaction immunitaire suite à la détection par le receveur. Un groupe de l’Université Leiden a rigoureusement classé les eplets vérifiés par anticorps (AbVer) pour vérifier la pertinence biologique de certaines EMM. Nous avons vérifié le risque de RMA en fonction de divers sous-ensembles d'EMM, et avons déterminé un seuil de charge d’EMM au-delà duquel le risque de RMA était plus prononcé. Nous avons également cherché à identifier les EMM individuels qui confèrent un risque plus élevé de RMA. Enfin, nous avons ajusté pour l'effet des caractéristiques des patients et des donneurs, ainsi que de l'exposition à l'immunosuppression, sur le risque de RMA.Méthodes : Nous avons mené une étude cas-témoins nichée dans une cohorte multicentrique de premiers receveurs de greffe rénale provenant de quatre centres de transplantation. Les receveurs de ré-transplantation et de greffe multi-organes, ainsi que les paires donneur/receveur pour lesquelles le typage HLA ne pouvait être déterminé, ont été exclus de l'étude. Les cas (N=98) ont été définis comme des receveurs présentant un RMA selon la classification Banff 2017. Les témoins ont été appariés en fonction du centre, de l'année de transplantation, du type de donneur et du temps post-transplantation, et ont été sélectionnés aléatoirement à partir de la cohorte restante. À l'aide de génotypage obtenu par « Next Generation Sequencing » (NGS) pour les loci HLA d'intérêt (HLA-A, -B, -C, -DRB1, -DRB3/4/5, -DQA1/B1, et -DPA1/B1), nous avons estimé les EMM pour chaque paire donneur/receveur. Pour évaluer le risque de RMA par stratégie de compatibilité EMM, nous avons ajusté des modèles de régression logistique conditionnelle multiniveau, en ajustant pour des covariables. Nous avons ensuite appliqué des transformations en spline cubique restreinte pour identifier un seuil de EMM au-delà duquel le risque était plus prononcé. Pour chaque EMM unique observé dans notre cohorte analytique, nous avons estimé la fréquence des épitopes apparaissant parmi les cas et les témoins et comme incompatibilités dans l'échantillon étudié. De plus, nous avons ajusté des modèles de régression logistique conditionnelle multiniveau pour estimer le risque de RMA associé aux EMM individuels. Pour identifier les EMM les plus prédictifs de RMA, nous avons appliqué une régression « Least Absolute Shrinkage and Selection Operator » (Lasso). Enfin, nous avons utilisé une analyse de réseau de corrélation génétique pondérée (WGCNA) pour représenter les profils d'EMM hautement corrélés au sein de la population de paires donneur-receveur étudiées.Résultats : La régression logistique conditionnelle non ajustée a démontré un risque accru de RMA pour chaque EMM supplémentaire associé aux stratégies de compatibilité moléculaire de classe II, AbVer de classe II et AbVer de Leiden de classe II (OR [IC 95 %] de 1,04 [1,01, 1,17], 1,10 [1,03, 1,17] et 1,12 [1,04, 1,20], respectivement). Cette observation a persisté dans les modèles séquentiels, suggérant que les EMM AbVer de classe II sont des prédicteurs indépendants de RMA. Les transformations en spline cubique restreinte ont indiqué que le risque de RMA augmentait au-delà d'un seuil de 5 EMM Leiden AbVer de classe II. La régression Lasso a sélectionné 13 EMM AbVer comme les plus prédictifs de RMA.Conclusion : Minimiser l'incompatibilité donneur/receveur au niveau du eplet de HLA au moment de l'allocation d'organes pourrait aider à réduire le RMA chez les receveurs de greffe rénale
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".