MétaCan
Menu
Retour à la cohorte
Enregistrement W2394139316 · doi:10.3899/jrheum.151181

Differential Expression Profiles of Long Noncoding RNA and mRNA of Osteogenically Differentiated Mesenchymal Stem Cells in Ankylosing Spondylitis

2016· article· en· W2394139316 sur OpenAlexvenueno aff
Zhongyu Xie, Jinteng Li, Peng Wang, Yuxi Li, Xiaohua Wu, Shan Wang, Hongjun Su, Wen Deng, Zhenhua Liu, Shuizhong Cen, Yi Ouyang, Yanfeng Wu, Huiyong Shen

Notice bibliographique

RevueThe Journal of Rheumatology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSpine and Intervertebral Disc Pathology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLong non-coding RNAMesenchymal stem cellMicroarray analysis techniquesMicroarrayMessenger RNABiologyCellular differentiationGene expressionPathogenesisRNAReal-time polymerase chain reactionCell biologyGeneImmunologyGenetics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: We previously demonstrated that mesenchymal stem cells (MSC) from patients with ankylosing spondylitis (AS; ASMSC) have a greater osteogenic differentiation capacity than MSC from healthy donors (HDMSC) and that this difference underlies the pathogenesis of pathological osteogenesis in AS. Here we compared expression levels of long noncoding RNA (lncRNA) and mRNA between osteogenically differentiated ASMSC and HDMSC and explored the precise mechanism underlying abnormal osteogenic differentiation in ASMSC. METHODS: HDMSC and ASMSC were induced with osteogenic differentiation medium for 10 days. Microarray analyses were then performed to identify lncRNA and mRNA differentially expressed between HDMSC and ASMSC, which were then subjected to bioinformatics analysis and confirmed by quantitative real-time PCR (qRT-PCR) assays. In addition, coding-non-coding gene co-expression (CNC) networks were constructed to examine the relationships between the lncRNA and mRNA expression patterns. RESULTS: A total of 520 lncRNA and 665 mRNA were differentially expressed in osteogenically differentiated ASMSC compared with HDMSC. Bioinformatics analysis revealed 64 signaling pathways with significant differences, including transforming growth factor-β signaling. qRT-PCR assays confirmed the reliability of the microarray data. The CNC network indicated that 4 differentially expressed lncRNA, including lnc-ZNF354A-1, lnc-LIN54-1, lnc-FRG2C-3, and lnc-USP50-2 may be involved in the abnormal osteogenic differentiation of ASMSC. CONCLUSION: Our study characterized the differential lncRNA and mRNA expression profiles of osteogenically differentiated ASMSC and identified 4 lncRNA that may participate in the abnormal osteogenic differentiation of ASMSC. These results provide insight into the pathogenesis of pathological osteogenesis in AS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,304

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,264
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetSpine and Intervertebral Disc PathologyTravaux en français237 207