Circulating cell-free mature microRNAs and their target gene prediction in bovine metritis
Notice bibliographique
Résumé
Uterine infections in dairy cows are common after calving, reduce fertility and cause substantial economic losses. Conventional diagnosis (based on clinical signs) and treatment can be challenging. Serum microRNA (miRNA) profiles serve as non-invasive biomarkers in several pathological conditions including inflammatory diseases. The objective was to identify differentially expressed serum miRNAs in cows with metritis and normal uterus (four cows per group), integrate miRNAs to their target genes, and categorize target genes for biological processes involved in bacterial infection and inflammatory responses. Out of 84 bovine-specific, prioritized miRNAs analyzed, 30 were differentially expressed between metritis and normal cows (p ≤ 0.05, fold regulation ≥2 magnitudes). Bta-miR-15b, bta-miR-17-3p, bta-miR-16b, bta-miR-148a, bta-miR-26b, bta-miR-101 and bta-miR-29b were highly up-regulated whereas bta-miR-148b, bta-miR-199a-3p, bta-miR-122, bta-miR-200b and bta-miR-10a were highly down-regulated in cows with metritis compared to cows with normal uterus. Highly scored target genes of up-regulated and down-regulated miRNAs were categorized for various biological processes, including biological regulation, cellular process, developmental process, metabolic process, localization, multicellular organismal process, response to stimulus, immune system process, cellular components organization, apoptotic process, biological adhesion, developmental process, and locomotion that are critical to combat bacterial infections and provoke inflammatory responses.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».