Optimisation of Reference Genes for Gene-Expression Analysis in a Rabbit Model of Left Ventricular Diastolic Dysfunction
Notice bibliographique
Résumé
Left ventricular diastolic dysfunction (LVDD) is characterized by the disturbance of ventricle's performance due to its abnormal relaxation or to its increased stiffness during the diastolic phase. The molecular mechanisms underlying LVDD remain unknown. We aimed to identify normalization genes for accurate gene-expression analysis of LVDD using quantitative real-time PCR (RT-PCR) in a new rabbit model of LVDD. Eighteen rabbits were fed with a normal diet (n = 7) or a 0.5% cholesterol-enriched diet supplemented with vitamin D2 (n = 11) for an average of 14.5 weeks. We validated the presence of LVDD in this model using echocardiography for diastolic function assessment. RT-PCR was performed using cDNA derived from left ventricle samples to measure the stability of 10 genes as candidate reference genes (Gapdh, Hprt1, Ppia, Sdha, Rpl5, Actb, Eef1e1, Ywhaz, Pgk1, and G6pd). Using geNorm analysis, we report that Sdha, Gapdh and Hprt1 genes had the highest stability (M <0.2). By contrast, Hprt1 and Rpl5 genes were found to represent the best combination for normalization when using the Normfinder algorithm (stability value of 0.042). Comparison of both normalization strategies highlighted an increase of natriuretic peptides (Bnp and Anp), monocytes chemotactic protein-1 (Mcp-1) and NADPH oxidase subunit (Nox-2) mRNA expressions in ventricle samples of the hypercholesterolemic rabbits compared to controls (P<0.05). This increase correlates with LVDD echocardiographic parameters and most importantly it molecularly validates the presence of the disease in our model. This is the first study emphasizing the selection of stable reference genes for RT-PCR normalization in a rabbit model of LVDD.
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 ».