Transcriptional changes in Huntington disease identified using genome-wide expression profiling and cross-platform analysis
Notice bibliographique
Résumé
Evaluation of transcriptional changes in the striatum may be an effective approach to understanding the natural history of changes in expression contributing to the pathogenesis of Huntington disease (HD). We have performed genome-wide expression profiling of the YAC128 transgenic mouse model of HD at 12 and 24 months of age using two platforms in parallel: Affymetrix and Illumina. The data from these two powerful platforms were integrated to create a combined rank list, thereby revealing the identity of additional genes that proved to be differentially expressed between YAC128 and control mice. Using this approach, we identified 13 genes to be differentially expressed between YAC128 and controls which were validated by quantitative real-time PCR in independent cohorts of animals. In addition, we analyzed additional time points relevant to disease pathology: 3, 6 and 9 months of age. Here we present data showing the evolution of changes in the expression of selected genes: Wt1, Pcdh20 and Actn2 RNA levels change as early as 3 months of age, whereas Gsg1l, Sfmbt2, Acy3, Polr2a and Ppp1r9a RNA expression levels are affected later, at 12 and 24 months of age. We also analyzed the expression of these 13 genes in human HD and control brain, thereby revealing changes in SLC45A3, PCDH20, ACTN2, DDAH1 and PPP1R9A RNA expression. Further study of these genes may unravel novel pathways contributing to HD pathogenesis. DDBJ/EMBL/GenBank accession no: GSE19677.
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 ».