MétaCan
Menu
Retour à la cohorte
Enregistrement W2462407824 · doi:10.1038/srep28736

Transcriptome profiling of the rat retina after optic nerve transection

2016· article· en· W2462407824 sur OpenAlexfundno aff
Masayuki Yasuda, Yuji Tanaka, Kazuko Omodaka, Koji M. Nishiguchi, Orie Nakamura, Satoru Tsuda, Toru Nakazawa

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueGlaucoma and retinal disorders
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsJapan Society for the Promotion of Science
Mots-clésOptic nerveTranscriptomeBiologyRetinaAxonGene expression profilingGlaucomaCell biologyRetinal ganglion cellNeuroscienceGeneGene expressionGenetics

Résumé

récupéré en direct d'OpenAlex

Glaucoma is a group of eye diseases characterized by alterations in the contour of the optic nerve head (ONH), with corresponding visual field defects and progressive loss of retinal ganglion cells (RGCs). This progressive RGC death is considered to originate in axonal injury caused by compression of the axon bundles in the ONH. However, the molecular pathomechanisms of axonal injury-induced RGC death are not yet well understood. Here, we used RNA sequencing (RNA-seq) to examine transcriptome changes in rat retinas 2 days after optic nerve transection (ONT), and then used computational techniques to predict the resulting alterations in the transcriptional regulatory network. RNA-seq revealed 267 differentially expressed genes after ONT, 218 of which were annotated and 49 unannotated. We also identified differentially expressed transcripts, including potentially novel isoforms. An in silico pathway analysis predicted that CREB1 was the most significant upstream regulator. Thus, this study identified genes and pathways that may be involved in the pathomechanisms of axonal injury. We believe that our data should serve as a valuable resource to understand the molecular processes that define axonal injury-driven RGC death and to discover novel therapeutic targets for glaucoma.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,009
Tête enseignante GPT0,231
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations52
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGlaucoma and retinal disordersTravaux en français237 207