Novel subtractive transcription-based amplification of mRNA (STAR) method and its application in search of rare and differentially expressed genes in AD brains
Notice bibliographique
Résumé
BACKGROUND: Alzheimer's disease (AD) is a complex disorder that involves multiple biological processes. Many genes implicated in these processes may be present in low abundance in the human brain. DNA microarray analysis identifies changed genes that are expressed at high or moderate levels. Complementary to this approach, we described here a novel technology designed specifically to isolate rare and novel genes previously undetectable by other methods. We have used this method to identify differentially expressed genes in brains affected by AD. Our method, termed Subtractive Transcription-based Amplification of mRNA (STAR), is a combination of subtractive RNA/DNA hybridization and RNA amplification, which allows the removal of non-differentially expressed transcripts and the linear amplification of the differentially expressed genes. RESULTS: Using the STAR technology we have identified over 800 differentially expressed sequences in AD brains, both up- and down- regulated, compared to age-matched controls. Over 55% of the sequences represent genes of unknown function and roughly half of them were novel and rare discoveries in the human brain. The expression changes of nearly 80 unique genes were further confirmed by qRT-PCR and the association of additional genes with AD and/or neurodegeneration was established using an in-house literature mining tool (LitMiner). CONCLUSION: The STAR process significantly amplifies unique and rare sequences relative to abundant housekeeping genes and, as a consequence, identifies genes not previously linked to AD. This method also offers new opportunities to study the subtle changes in gene expression that potentially contribute to the development and/or progression of AD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».