Systems biology of autosomal dominant polycystic kidney disease (ADPKD): computational identification of gene expression pathways and integrated regulatory networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To elucidate the molecular pathways that modulate renal cyst growth in ADPKD, we performed global gene profiling on cysts of different size (<1 ml, n = 5; 10-20 ml, n = 5; >50 ml, n = 3) and minimally cystic tissue (MCT, n = 5) from five PKD1 human polycystic kidneys using Affymetrix HG-U133 Plus 2.0 arrays. We used gene set enrichment analysis to identify overrepresented signaling pathways and key transcription factors (TFs) between cysts and MCT. We found down-regulation of kidney epithelial restricted genes (e.g. nephron segment-specific markers and cilia-associated cystic genes such as HNF1B, PKHD1, IFT88 and CYS1) in the renal cysts. On the other hand, PKD1 cysts displayed a rich profile of gene sets associated with renal development, mitogen-mediated proliferation, cell cycle progression, epithelial-mesenchymal transition, hypoxia, aging and immune/inflammatory responses. Notably, our data suggest that up-regulation of Wnt/beta-catenin, pleiotropic growth factor/receptor tyrosine kinase (e.g. IGF/IGF1R, FGF/FGFR, EGF/EGFR, VEGF/VEGFR), G-protein-coupled receptor (e.g. PTGER2) signaling was associated with renal cystic growth. By integrating these pathways with a number of dysregulated networks of TFs (e.g. SRF, MYC, E2F1, CREB1, LEF1, TCF7, HNF1B/ HNF1A and HNF4A), our data suggest that epithelial dedifferentiation accompanied by aberrant activation and cross-talk of specific signaling pathways may be required for PKD1 cyst growth and disease progression. Pharmacological modulation of some of these signaling pathways may provide a potential therapeutic strategy for ADPKD.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle