The Circulating Cell-free microRNA Profile in Systemic Sclerosis Is Distinct from Both Healthy Controls and Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the expression profile of cell-free circulating microRNA (miRNA) in systemic sclerosis (SSc), healthy controls (HC), and systemic lupus erythematosus (SLE). METHODS: Total RNA was purified from plasma and 45 different, mature miRNA were measured using quantitative PCR assays after reverse transcription. Samples (n = 189) were from patients with SSc (n = 120), SLE (n = 29), and from HC (n = 40). Expression data were clustered by principal components analysis, and diagnostically specific miRNA profiles were developed by leave-one-out cross-validation. Diagnostic probability scores were derived from stepwise logistic regression. RESULTS: Thirty-seven miRNA specificities were consistently detected and 26 of these were unaffected by SSc sample age and present in more than two-thirds of SSc samples. SSc cases showed a distinct expression profile with 14/26 miRNA significantly decreased (false discovery rate < 0.05) and 5/26 increased compared with HC. A 21-miRNA classifier gave optimum accuracy (80%) for discriminating SSc from both HC and SLE. The discrimination between HC and SSc (95% accuracy) was strongly driven by miRNA of the 17 ∼ 92 cluster and by miR-16, -223, and -638, while SLE and SSc differed mainly in the expression of miR-142-3p, -150, -223, and -638. Except for a weak correlation between anti-Scl-70 and miR-638 (p = 0.048), there were no correlations with other patient variables. CONCLUSION: Circulating miRNA profiles are characteristic for SSc compared with both HC and SLE cases. Some of the predicted targets of the differentially regulated miRNA are of relevance for transforming growth factor-β signaling and fibrosis, but need to be validated in independent studies.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».