Microarray Analysis of the Infrapatellar Fat Pad in Knee Osteoarthritis: Relationship with Joint Inflammation
Notice bibliographique
Résumé
OBJECTIVE: To examine differences in genes involved in fat metabolism, energy homeostasis, adipogenesis, and inflammation between endstage and early-stage knee osteoarthritis (OA) infrapatellar fat pads (IFP). METHODS: Twenty-nine endstage and 5 early-stage primary OA IFP were harvested at knee surgery. Total RNA was extracted, labeled, and hybridized to whole-genome expression arrays. Unsupervised analysis of all samples using principal components analysis or 2-way hierarchical clustering showed groupings based on tissue source and disease. Statistical testing identified sets of genes that displayed differences between the 2 fat types. Western blot analysis was performed for protein expression of an identified gene of interest. RESULTS: The 29 IFP demonstrated an elevation in the expression of adipokines such as adiponectin and leptin. A statistically significant increased expression was seen for genes of adipogenesis, such as peroxisome proliferator-activated receptor-γ (PPAR-γ), diacylglycerol acyltransferase 2 (DGAT2), cluster of differentiation (CD36), and thyroid hormone responsive spot (THRSP) in the severe OA fat pads as compared to the controls. A subset of 5 patients in the endstage OA group were consistently similar in gene expression to early OA tissue. Protein expression of PPAR-γ2 was 5.4-fold and PPAR-γ1 was 1.4-fold greater in endstage versus early OA tissue. CONCLUSION: Endstage OA fat pads demonstrated a significant upregulation of genes for fat metabolism and energy homeostasis and a mixed result for inflammatory cytokines.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».