Expression Profile of Long Noncoding <scp>RNA</scp>s in Peripheral Blood Mononuclear Cells from Multiple Sclerosis Patients
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
AIMS: Long noncoding RNAs (lncRNAs) play a key role in regulating immunological functions. Their impact on the chronic inflammatory disease multiple sclerosis (MS), however, remains unknown. We investigated the expression of lncRNAs in peripheral blood mononuclear cells (PBMCs) of patients with MS and attempt to explain their possible role in the process of MS. METHODS: For this study, we recruited 26 patients with MS according to the revised McDonald criteria. Then, we randomly chose 6 patients for microarray analysis. Microarray assays identified outstanding differences in lncRNA expression, which were verified through real-time PCR. LncRNA functions were annotated for target genes using Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) analyses, and regulatory relationships between lncRNAs and target genes were analyzed using the "cis" and "trans" model. RESULTS: There were 2353 upregulated lncRNAs, 389 downregulated lncRNAs, 1037 upregulated mRNAs, and 279 downregulated mRNAs in patients with MS compared to healthy control subjects (fold change >2.0). Real-time PCR results of six aberrant lncRNAs were consistent with the microarray data. The coexpression network comprised 864 lncRNAs and 628 mRNAs. Among differentially expressed lncRNAs, 10 lncRNAs were predicted to have 10 cis-regulated target genes, and 33 lncRNAs might regulate their trans target genes. CONCLUSIONS: We identified a subset of dysregulated lncRNAs and mRNAs. The differentially expressed lncRNAs may be important in the process of MS. However, the specific molecular mechanisms and biological functions of these lncRNAs in the pathogenesis of MS need further study.
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 | 0,001 | 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