Screening of Key Genes Associated with Ischemic Stroke via Microarray Data
Notice bibliographique
Résumé
OBJECTIVE: To promote understandings about the pathogenesis of ischemic stroke (IS) through mining key genes, functions and pathways with microarray technology. METHODS: Differentially expressed genes (DEGs) in blood between patients with IS and healthy people were screened out through comparing microarray data obtained from Gene Expression Omnibus. Overrepresented functions in DEGs were revealed by Gene Ontology (GO) enrichment analysis. Interaction network was constructed for the top 24 DEGs with information from Human Protein Reference Database (HPRD). Relevant microRNAs (miRNAs) were retrieved from three databases: TargetScan, miRBase and miRanda. RESULTS: A total of 503 DEGs were obtained. Functional enrichment analysis showed that immune response, signaling pathways and apoptosis were significantly over-represented. Six key genes with big degree, betweenness and clustering coefficient were then revealed, which might play important roles in the development of IS. In addition, 57 differentially expressed miRNAs targeting the 6 genes were retrieved. CONCLUSIONS: Our study provides insights into the pathogenesis of IS and potential targets to treat the disease. Dépistage de gènes clés associés à l'accident vasculaire cérébral ischémique au moyen de données obtenues par la technique des biopuces.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| 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) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».