Identification of Corneal Neovascularization–Related Long Noncoding RNAs Through Microarray Analysis
Notice bibliographique
Résumé
PURPOSE: To reveal the role of long noncoding RNAs (lncRNAs) in corneal neovascularization (CN). METHODS: We established a murine CN model and performed lncRNA expression profiling to identify differentially expressed lncRNAs between normal and vascularized corneas. Based on Pearson correlation analysis, an lncRNA/mRNA coexpression network was constructed. Gene ontology (GO) enrichment and Kyoto Encyclopedia of Genes and Genomes (KEGG) analyses of lncRNA-coexpressed mRNAs were conducted to determine the related biological modules and pathological pathways. Real-time polymerase chain reactions were carried out to detect the expression pattern of lncRNA in the clinical samples. RESULTS: A total of 154 differentially expressed lncRNAs were identified between vascularized and normal corneas, including 60 downregulated lncRNAs and 94 upregulated lncRNAs. GO enrichment analysis of lncRNA-coexpressed mRNAs indicated that the biological modules were correlated with extracellular region, DNA binding, and immune response. KEGG pathway analysis indicated that "pathways in cancer" was the most enriched signaling pathway. Moreover, the human ortholog of NR_033585 and lincRNA:chr8:129102060-129109035 reverse strand was found to be differentially expressed between vascularized and avascular corneas. CONCLUSIONS: This study provides a novel insight into CN pathogenesis. The intervention of dysregulated lncRNAs may become potential targets for the prevention and treatment of ocular vascular diseases.
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 | 0,001 | 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 ».