Next-Generation Sequencing Identifies MicroRNAs that Associate with Pathogenic Autoimmune Neuroinflammation in Rats
Notice bibliographique
Résumé
MicroRNAs (miRNAs) are known to regulate most biological processes and have been found dysregulated in a variety of diseases, including multiple sclerosis (MS). In this study, we characterized miRNAs that associate with susceptibility to develop experimental autoimmune encephalomyelitis (EAE) in rats, a well-established animal model of MS. Using Illumina next-generation sequencing, we detected 544 miRNAs in the lymph nodes of EAE-susceptible Dark Agouti and EAE-resistant Piebald Virol Glaxo rats during immune activation. Forty-three miRNAs were found differentially expressed between the two strains, with 81% (35 out of 43) showing higher expression in the susceptible strain. Only 33% of tested miRNAs displayed differential expression in naive lymph nodes, suggesting that a majority of regulated miRNAs are EAE dependent. Further investigation of a selected six miRNAs indicates differences in cellular source and kinetics of expression. Several of the miRNAs, including miR-146a, miR-21, miR-181a, miR-223, and let-7, have previously been implicated in immune system regulation. Moreover, 77% (33 out of 43) of the miRNAs were associated with MS and other autoimmune diseases. Target genes likely regulated by the miRNAs were identified using computational predictions combined with whole-genome expression data. Differentially expressed miRNAs and their targets involve functions important for MS and EAE, such as immune cell migration through targeting genes like Cxcr3 and cellular maintenance and signaling by regulation of Prkcd and Stat1. In addition, we demonstrated that these three genes are direct targets of miR-181a. Our study highlights the impact of multiple miRNAs, displaying diverse kinetics and cellular sources, on development of pathogenic autoimmune inflammation.
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 | 0,001 | 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 ».