Defining the human gallbladder proteome by transcriptomics and affinity proteomics
Notice bibliographique
Résumé
Global protein analysis of human gallbladder tissue is vital for identification of molecular regulators and effectors of its physiological activity. Here, we employed a genome-wide deep RNA sequencing analysis in 28 human tissues to identify the genes overrepresented in the gallbladder and complemented it with antibody-based immunohistochemistry in 48 human tissues. We characterized human gallbladder proteins and identified 140 gallbladder-specific proteins with an elevated expression in the gallbladder as compared to the other analyzed tissues. Five genes were categorized as enriched, with at least fivefold higher levels in gallbladder, 60 genes were categorized as group enriched with elevated transcript levels in gallbladder shared with at least one other tissue and 75 genes were categorized as enhanced with higher expression than the average expression in other tissues. We explored the localization of the genes within the gallbladder through cell-type specific antibody-based protein profiling and the subcellular localization of the genes through immunofluorescent-based profiling. Finally, we revealed the biological processes and metabolic functions carried out by these genes through the use of GO, KEGG Pathway, and HMR2.0 that is compilation of the human metabolic reactions. We demonstrated the results of the combined analysis of the transcriptomics and affinity proteomics.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».