Differential Expression Analysis by RNA-Seq Reveals Perturbations in the Platelet mRNA Transcriptome Triggered by Pathogen Reduction Systems
Notice bibliographique
Résumé
Platelet concentrates (PCs) are prepared at blood banks for transfusion to patients in certain clinical conditions associated with a low platelet count. To prevent transfusion-transmitted infections via PCs, different pathogen reduction (PR) systems have been developed that inactivate the nucleic acids of contaminating pathogens by chemical cross-linking, a mechanism that may also affect platelets' nucleic acids. We previously reported that treatment of stored platelets with the PR system Intercept significantly reduced the level of half of the microRNAs that were monitored, induced platelet activation and compromised the platelet response to physiological agonists. Using genome-wide differential expression (DE) RNA sequencing (RNA-Seq), we now report that Intercept markedly perturbs the mRNA transcriptome of human platelets and alters the expression level of >800 mRNAs (P<0.05) compared to other PR systems and control platelets. Of these, 400 genes were deregulated with DE corresponding to fold changes (FC) ≥ 2. At the p-value < 0.001, as many as 147 genes were deregulated by ≥ 2-fold in Intercept-treated platelets, compared to none in the other groups. Finally, integrated analysis combining expression data for microRNA (miRNA) and mRNA, and involving prediction of miRNA-mRNA interactions, disclosed several positive and inverse correlations between miRNAs and mRNAs in stored platelets. In conclusion, this study demonstrates that Intercept markedly deregulates the platelet mRNA transcriptome, concomitant with reduced levels of mRNA-regulatory miRNAs. These findings should enlighten authorities worldwide when considering the implementation of PR systems, that target nucleic acids and are not specific to pathogens, for the management of blood products.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».