Gene Expression and miR Profiles of Human Corneal Fibroblasts in Response to Dexamethasone
Notice bibliographique
Résumé
PURPOSE: Dexamethasone (DEX) is commonly used as a therapeutic agent for various ocular inflammatory diseases; however, its effect on resident naive cells is unknown. In this study, genome microarray and microRNA (miR) analyses were used to evaluate the global gene and miR expression of human corneal fibroblasts (HKFs) in response to treatment with DEX. METHODS: Primary HKFs from three donors were treated with DEX for 16 hours. Treated and untreated cells were snap frozen for microarray and miR array analyses. Genes with a more than threefold change were classified into gene families using the DAVID web-based classification database, and six of these genes were validated using quantitative real-time PCR. Five miRs were also validated using miR-detection assays. RESULTS: Of the 41,093 genes examined, 261 were upregulated and 123 were downregulated greater than threefold after DEX treatment. Real-time PCR confirmed upregulation of six genes, including oculocutaneous albinism II (OCA2), angiopoietin-like 7 (ANGPTL7), neuron navigator 2 (NAV2), neurofilament light chain polypeptide (NEFL), solute carrier family 16/member 12 (SLC16A12), and serum amyloid A1 (SAA1). Expression of several miR including miR-16, -21, and -29C were upregulated, whereas miR-100 was downregulated in fibroblasts by DEX. CONCLUSIONS: DEX can greatly change the global gene and miR profile of HKFs. DEX not only downregulates inflammatory genes, but can also induce expression of angiogenic and inflammatory genes. In addition, DEX may exert posttranscriptional gene regulation through miRs. These data support a complex role for DEX-induced changes in resident cells that may have implications in the clinical management of corneal inflammation with topical glucocorticoids.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».