Genome-wide analysis of gene transcription in the hypothalamus
Notice bibliographique
Résumé
As the genomic regions containing loci predisposing to obesity-related traits are mapped in human population screens and mouse genetic studies, identification of susceptibility genes will increasingly be facilitated by bioinformatic methods. We hypothesized that candidate genes can be prioritized by their expression levels in tissues of central importance in obesity. Our objective was to develop a combined bioinformatics and molecular paradigm to identify novel genes as candidates for murine or human obesity genetic modifiers based on their differential expression patterns in the hypothalamus compared with other murine tissues. We used bioinformatics tools to search publicly available gene expression databases using criteria designed to identify novel genes differentially expressed in the hypothalamus. We used RNA methods to determine their expression sites and levels of expression in the hypothalamus of the murine brain. We identified the chromosomal location of the novel genes in mice and in humans and compared these locations with those of genetic loci predisposing to obesity-related traits. We developed a search strategy that correctly identified a set of genes known to be important in hypothalamic function as well as a candidate gene for Prader-Willi syndrome that was not previously identified as differentially expressed in the hypothalamus. Using this same strategy, we identified and characterized a set of 11 genes not previously known to be differentially expressed in the murine hypothalamus. Our results demonstrate the feasibility of combined bioinformatics and molecular approaches to the identification of genes that are candidates for obesity-related disorders in humans and mice.
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) | 0,000 | 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 ».