Excess dietary iodine differentially affects thyroid gene expression in diabetes, thyroiditis‐prone versus ‐resistant BioBreeding (BB) rats
Notice bibliographique
Résumé
SCOPE: To identify genes involved in the susceptibility to iodine-induced autoimmune thyroiditis. METHODS AND RESULTS: Diabetes, thyroiditis-prone (BBdp) and -resistant (BBc) rats were fed either a control or a high-iodine diet for 9 wk. Excess iodine intake increased the incidence of insulitis and thyroiditis in BBdp rats. BBdp rats fed the high-iodine diet that did not develop thyroiditis had higher mRNA levels of Fabp4, Cidec, perilipin, Pparγ and Slc36a2 than BBdp rats fed the control diet and BBc rats fed either the control or the high-iodine diet. BBdp rats fed the high-iodine diet that did develop thyroiditis had higher mRNA levels of Cidec, Icam1, Ifitm1, and Slpi than BBdp rats fed the control diet and BBc rats fed either the control or the high-iodine diet. BBdp rats that did develop thyroiditis had lower mRNA levels of Fabp4, perilipin and Slc36a2 but higher mRNA levels of Icam1, Ifitm1 and Slpi than BBdp that did not develop thyroiditis. Excess dietary iodine also increased the protein levels of Fabp4, Cidec and perilipin in BBdp rats. CONCLUSION: Differential expression of thyroid genes in BBdp versus BBc rats caused by excess dietary iodine may be implicated in autoimmune thyroiditis and insulitis pathogenesis.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».