Genomic expression profiles of blood and placenta reveal significant immune‐related pathways and categories in Chinese women with gestational diabetes mellitus
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: We used microarray as well as quantitative real-time PCR (Q-RT-PCR) validation to define the genes and/or pathways that are involved in gestational diabetes mellitus (GDM) in patients of Chinese ethnicity. METHODS: We used the Illumina microarray platform to obtain comprehensive gene expression profiles of blood and placenta taken from GDM-positive and GDM-negative women. RESULTS: We found 5197 genes in blood and 243 genes in placenta, which had significantly altered expression profiles attributable to GDM. Genes previously known to have altered expressions as a result of GDM (such as TNF, IL1B, LEP, IFNG and HLA-G) were also validated. In addition, we identified a number of previously unreported genes: VAV3, PTPN6, CD48 and IL15, which had expression patterns that were significantly different from our GDM and control samples, as determined by both microarray and Q-RT-PCR assays. Two significant pathways were identified as GDM-associated pathways through integrated functional annotation. These pathways were: 'Natural killer cell mediated cytotoxicity' in blood and 'Cytokine-cytokine receptor interaction' in placenta. Furthermore, despite differences between blood and placenta in terms of the quantity of gene expression, we nonetheless observed similar functional distributions in both tissues in terms of immune-related genes. CONCLUSIONS: These newly identified key genes and pathways may provide valuable information about the pathogenesis of GDM and can be used to improve early diagnosis, prevention, medication design and clinical treatment.
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.
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 | 0,001 |
| 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 découle