Widespread micro<scp>RNA</scp>dysregulation in multiple system atrophy – disease‐related alteration in miR‐96
Notice bibliographique
Résumé
MicroRNA (miRNA) are short sequences of RNA that function as post-transcriptional regulators by binding to target mRNA transcripts resulting in translational repression. A number of recent studies have identified miRNA as being involved in neurodegenerative disorders including Alzheimer's disease, Parkinson's disease and Huntington's disease. However, the role of miRNA in multiple system atrophy (MSA), a progressive neurodegenerative disorder characterized by oligodendroglial accumulation of alpha-synuclein remains unexamined. In this context, this study examined miRNA profiles in MSA cases compared with controls and in transgenic (tg) models of MSA compared with non-tg mice. The results demonstrate a widespread dysregulation of miRNA in MSA cases, which is recapitulated in the murine models. The study employed a cross-disease, cross-species approach to identify miRNA that were either specifically dysregulated in MSA or were commonly dysregulated in neurodegenerative conditions such as Alzheimer's disease, dementia with Lewy bodies, progressive supranuclear palsy and corticobasal degeneration or the tg mouse model equivalents of these disorders. Using this approach we identified a number of miRNA that were commonly dysregulated between disorders and those that were disease-specific. Moreover, we identified miR-96 as being up-regulated in MSA. Consistent with the up-regulation of miR-96, mRNA and protein levels of members of the solute carrier protein family SLC1A1 and SLC6A6, miR-96 target genes, were down-regulated in MSA cases and a tg model of MSA. These results suggest that miR-96 dysregulation may play a role in MSA and its target genes may be involved in the pathogenesis of MSA.
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 | 0,001 |
| 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 ».