Circulating miR-375 as a Biomarker of β-Cell Death and Diabetes in Mice
Notice bibliographique
Résumé
Type 1 diabetes is a progressive autoimmune disease that is largely silent in its initial stages. Yet, sensitive methods for detection of β-cell death and prediction and prevention of diabetes are lacking. Micro-RNAs (miRNAs) have been found at high concentrations in body fluids. Here in this study we sought to determine whether an islet enriched miRNA, miR-375, is a suitable blood marker to detect β-cell death and predict diabetes in mice. We measured miR-375 levels by quantitative RT-PCR in plasma samples of streptozotocin (STZ)-treated C57BL/6 mice and nonobese diabetic (NOD) mice. We also measured miR-375 levels in media samples of cytokine- or STZ-treated islets in the presence or absence of cell-death inhibitors. High-dose STZ administration dramatically increased circulating miR-375 levels, prior to the onset of hyperglycemia. Similarly, in the NOD mouse model of autoimmune diabetes, circulating miR-375 levels were significantly increased 2 weeks before diabetes onset. Moreover, cytokine- and STZ-induced cell death in isolated mouse islets produced a striking increase in extracellular miR-375 levels, which was reduced by cell death inhibitors. These data suggest that circulating miR-375 can be used as a marker of β-cell death and potential predictor of diabetes.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».