MétaCan
Menu
Retour à la cohorte
Enregistrement W1966354069 · doi:10.1186/1471-2164-15-181

Transcriptome microRNA profiling of bovine mammary epithelial cells challenged with Escherichia coli or Staphylococcus aureusbacteria reveals pathogen directed microRNA expression profiles

2014· article· en· W1966354069 sur OpenAlexafffund
Weiwu Jin, Eveline M. Ibeagha‐Awemu, Guanxiang Liang, Frédéric Beaudoin, Xin Zhao, Le Luo Guan

Notice bibliographique

RevueBMC Genomics · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensMcGill UniversityAgriculture and Agri-Food CanadaUniversity of Alberta
Organismes subventionnairesAgriculture and Agri-Food CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésBiologyTranscriptomeGene expression profilingmicroRNAPathogenMicrobiologyDNA microarrayEscherichia coliMicroarrayGene expressionStaphylococcus aureusGeneGeneticsBacteria

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: MicroRNAs (miRNAs) can post-transcriptionally regulate gene expression and have been shown to be critical regulators to the fine-tuning of epithelial immune responses. However, the role of miRNAs in bovine responses to E. coli and S. aureus, two mastitis causing pathogens, is not well understood. RESULTS: The global expression of miRNAs in bovine mammary epithelial cells (MAC-T cells) challenged with and without heat-inactivated Staphylococcus aureus (S. aureus) or Escherichia coli (E. coli) bacteria at 0, 6, 12, 24, and 48 hr was profiled using RNA-Seq. A total of 231 known bovine miRNAs were identified with more than 10 counts per million in at least one of 13 libraries and 5 miRNAs including bta-miR-21-5p, miR-27b, miR-22-3p, miR-184 and let-7f represented more than 50% of the abundance. One hundred and thirteen novel miRNAs were also identified and more than one third of them belong to the bta-miR-2284 family. Seventeen miRNAs were significantly (P < 0.05) differentially regulated by the presence of pathogens. E. coli initiated an earlier regulation of miRNAs (6 miRNAs differentially regulated within the first 6 hrs post challenge as compared to 1 miRNA for S. aureus) while S. aureus presented a delayed response. Five differentially expressed miRNAs (bta-miR-184, miR-24-3p, miR-148, miR-486 and let-7a-5p) were unique to E. coli while four (bta-miR-2339, miR-499, miR-23a and miR-99b) were unique to S. aureus. In addition, our study revealed a temporal differential regulation of five miRNAs (bta-miR-193a-3p, miR-423-5p, miR-30b-5p, miR-29c and miR-un116) in unchallenged cells. Target gene predictions of pathogen differentially expressed miRNAs indicate a significant enrichment in gene ontology functional categories in development/cellular processes, biological regulation as well as cell growth and death. Furthermore, target genes were significantly enriched in several KEGG pathways including immune system, signal transduction, cellular process, nervous system, development and human diseases. CONCLUSION: Using next-generation sequencing, our study identified a pathogen directed differential regulation of miRNAs in MAC-T cells with roles in immunity and development. Our study provides a further confirmation of the involvement of mammary epithelia cells in contributing to the immune response to infecting pathogens and suggests the potential of miRNAs to serve as biomarkers for diagnosis and development of control measures.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,221
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations219
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC GenomicsMême sujetMicroRNA in disease regulationTravaux en français237 207