High-throughput DNA analysis shows the importance of methylation in the control of immune inflammatory gene transcription in chronic periodontitis
Notice bibliographique
Résumé
BACKGROUND: Chronic periodontitis represents a complex disease that is hard to control and is not completely understood. Evidence from past studies suggests that there is a key role for DNA methylation in the pathogenesis of periodontitis. However, all reports have applied technologies that investigate genes in a low throughput. In order to advance in the knowledge of the disease, we analyzed DNA methylation variations associated with gene transcription using a high-throughput assay. Infinium® HumanMethylation450 (Illumina) was performed on gingival samples from 12 periodontitis cases and 11 age-matched healthy individuals. Methylation data of 1,284 immune-related genes and 1,038 cell cycle-related genes from Gene Ontology (GO) and 575 genes from a dataset of stably expressed genes (genes with consistent expression in different physiological states and tissues) were extracted from a microarray dataset and analyzed using bioinformatics tools. DNA methylation variations ranging from -2,000 to +2,000 bp from the transcription start site (TSS) were analyzed, and the results were tested against a differential expression microarray dataset between healthy and periodontitis gingival tissues. Differences were evaluated using tests from the R Statistical Project. RESULTS: The comparison of probes between periodontitis and normal gingival tissues showed that the mean methylation scores and the frequency of methylated probes were significantly lower in genes related to the immune process. In the immune group, these parameters were negatively correlated with gene expression (Mann-Whitney test, p < 2.2e - 16). CONCLUSIONS: Our results show that variations in DNA methylation between healthy and periodontitis cases are higher in genes related to the immune-inflammatory process. Thus, DNA methylation must be modulating chromatin regions and, consequently, modulating the mRNA transcription of immune-inflammatory genes related with periodontitis, impacting the prognosis of disease.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».