Differential Expression Profiling and Functional Analysis of microRNAs through Stage I-III Papillary Thyroid Carcinoma
Notice bibliographique
Résumé
OBJECTIVE: To elucidate the mechanisms undergoing the pathogenesis of PTC, this study try to find stage specific microRNAs (miRNAs) using microarray chip in stage I, II and III papillary thyroid carcinoma (PTC) tissues as well predict miRNAs binding target genes and their molecular functions. METHODS: PTC specimens of stage I, II, and III and their paired adjacent non-tumor tissue (one patient for each stage) were collected. The expressions of miRNAs were examined using miRNA microarray chip. The most significant changed miRNAs from microarray were verified by using quantitative RT-PCR. The Potential miRNAs regulating target genes and their preliminary biological functions were forecasted with variety function prediction software. RESULTS: Ten miRNAs exhibited sequential up regulation expression profiles and five miRNAs performed sequential down regulation throughout stage I to III (p<0.05). After normalization, Fifteen miRNAs showed significant different compared to adjacent non-tumor tissues (p<0.05). Among of them, the most significant up regulation and down regulation miRNAs were miR-146b-5p and miR-335, respectively. Both of them were verified with qRT-PCR. 34 target genes for miR-146-5p and 36 target genes for miR-335 was predicted. CONCLUSION: MicroRNA profile assay successfully detected a branch of differential expression miRNAs between PTC and normal tissue. Some of them also showed stage specific. Biological function analysis showed that target genes were involved in five aspects including cell proliferation, differentiation, apoptosis, cycle, and signaling transduction pathway, suggesting the regulatory role of abnormal expression of critical miRNAs in the pathogenesis of PTC.
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 | 0,000 | 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) | 0,001 | 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 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 ».