Transcriptome profiling of the rat retina after optic nerve transection
Notice bibliographique
Résumé
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 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 | 0,001 | 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 ».