.png){kind=icon}
返回
A consensus blood transcriptomic framework for sepsis
.png){kind=icon}
OA
AI
DOI：10.1038/s41591-025-03964-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
脓毒症是一种由宿主对感染产生不良适应性反应驱动的危及生命的状况。为建立标准化的血液转录组亚型模型，我们整合了来自两个主要脓毒症队列的血液转录组学数据：分子诊断和脓毒症风险分层（MARS）项目（n=678，在重症监护病房入院时采样；ClinicalTrials.gov注册号NCT01905033）以及脓毒症基因组学进展（GAinS）研究（n=444，在重症监护病房入院时采样和n=817随访样本；ClinicalTrials.gov注册号NCT00131196）。我们证明了三种独立分类方法之间存在强关联性，由此提出了三个共识转录组亚型（CTSs）的分组。CTS1的区分特征包括典型炎症通路的基因激活、更明显的内皮细胞激活以及整体未成熟中性粒细胞主题。CTS2的特征是血红素代谢通路的基因激活、纤溶紊乱以及血小板和嗜酸性粒细胞的特征。CTS3与涉及同种异体移植排斥激活、干扰素信号和抗凝功能的基因相关，同时伴有淋巴细胞和非经典单核细胞的特征。在独立患者队列中评估CTS分类，特别是脓毒症休克初始治疗中血管加压素与去甲肾上腺素比较（VANISH）随机对照试验（n=176；ISRCTN注册号ISRCTN20769191）以及乌干达一家区级医院中因疑似脓毒症住院的患者（n=128），证实了我们方法的有效性。值得注意的是，对假随机队列的事后分析以及对VANISH试验数据的重新分析，揭示了在CTS2分型的患者中使用糖皮质激素治疗的有害信号。CTS分类方法将多样化的脓毒症转录组亚组整合到一个稳健且可重复的框架中，从而有助于生物学解释，并可能协助临床试验设计的某些方面，以推动脓毒症的精准医学。在一个结合两个大型患者队列的分析中，识别出三种外周共识转录组亚型的脓毒症，这些亚型可关联到一个18基因分类器，该分类器与不同的死亡风险相关，并可能为脓毒症患者提供一种个性化护理的方法。
Keyword:
sepsis
transcriptomic subtypes
blood transcriptomics
precision medicine
gene classifier
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
50
论文数:
1.4W
被引数:
13.4W
机构
引用论文
Profiling the dysregulated immune response in sepsis: overcoming challenges to achieve the goal of precision medicine分析脓毒症中失调的免疫反应: 克服挑战以实现精准医学的目标OAAI
OAAI分享收藏分享收藏A generalizable 29-mRNA neural-network classifier for acute bacterial and viral infections.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Association of Dendritic Cell Signatures With Autoimmune Inflammation Revealed by Single-Cell ProfilingARTHRITIS & RHEUMATOLOGY
ARTHRITIS & RHEUMATOLOGYIF10.9
PREAI
分享收藏分享收藏分享收藏
查看更多内容