MétaCan
Menu
Retour à la cohorte
Enregistrement W1985126068 · doi:10.1186/1472-6890-14-27

Pre-profiling factors influencing serum microRNA levels

2014· article· en· W1985126068 sur OpenAlexaff
Sara A. MacLellan, Calum MacAulay, Stephen Lam, Cathie Garnis

Notice bibliographique

RevueBMC Clinical Pathology · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversity of British ColumbiaBC Cancer AgencyOccupational Cancer Research Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineProfiling (computer programming)microRNAInternal medicineBioinformaticsGeneticsGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: MicroRNAs (miRNAs) are non-coding RNAs that negatively regulate gene expression by preventing the translation of specific mRNA transcripts. Recent studies have shown that miRNAs are stably expressed in human serum samples, making them good candidates for the non-invasive detection of disease. However, before circulating miRNAs can be used reliably as biomarkers of disease, the pre-measurement variables that may affect serum miRNA levels must be assessed. METHODS: In this study we used quantitative RT-PCR to examine the effect of hemolysis, fasting, and smoking on the levels of 742 miRNAs in the serum of healthy individuals. We also compared serum miRNA profiles of samples taken from healthy individuals over different time periods to assess normal serum miRNA fluctuations. RESULTS: We have found that mechanical hemolysis of blood samples can significantly alter serum miRNA quantification and have identified 162 miRNAs that are significantly up-regulated in hemolysed serum samples. Conversely, fasting and smoking were demonstrated to not have a significant effect on the overall serum miRNA profiles of healthy individuals. The serum miRNA profiles of matched samples taken from individuals over varying time periods showed a high correlation and no miRNAs were significantly differentially expressed in these samples further suggesting the utility of serum miRNAs as biomarkers of disease. Taking the above results into consideration, we have identified miR-99a-5p and miR-139-5p as novel endogenous controls for serum miRNA studies due to their consistency across all sample sets. CONCLUSION: These results identify important pre-profiling factors that should be taken into consideration when identifying endogenous controls and candidate biomarkers for circulating miRNA studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,052
Tête enseignante GPT0,346
Écart entre enseignants0,294 · 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'étudeObservationnel
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

Citations102
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Clinical PathologyMême sujetMicroRNA in disease regulationTravaux en français237 207