Riboflavin and ultraviolet illumination affects selected platelet mRNA transcript amounts differently
Notice bibliographique
Résumé
BACKGROUND: Pathogen inactivation (PI) techniques use ultraviolet (UV) illumination with or without a photosensitizer to destroy pathogen RNA and DNA. Although lacking a nucleus and innate DNA transcription, platelets (PLTs) contain RNA and can synthesize proteins. The impact of PI on PLT protein synthesis and function is unknown; altered synthesis may affect overall PLT quality. In this study we determine to what extent PLT RNA is affected by PI. STUDY DESIGN AND METHODS: In a pool-and-split design, paired apheresis PLT concentrates were treated with riboflavin and UV illumination or were left untreated. PLT total RNA and mRNA amounts specific for glycoproteins (GP)IIIa, GPIIb, and GPIb; α-granule proteins PLT factor (PF)4; osteonectin and thrombospondin (TSP); and housekeeping protein glyceraldehyde-3-phosphate dehydrogenase (GAPDH) were determined using absorbance and quantitative polymerase chain reaction. RESULTS: After treatment, amounts of all analyzed mRNAs were significantly reduced (p < 0.05), but to different degrees. For GAPDH and PF4, transcripts appeared less susceptible to the treatment, with 70% remaining 1 hour after UV illumination. For GPIIIa and TSP, less than 15% remained after treatment. There was a correlation (R(2) = 0.85) between transcript length and amount of mRNA remaining 1 hour after treatment. Total RNA demonstrated a life span equal to the PLT life span of 10 to 11 days. CONCLUSION: This is the first report of the impact of riboflavin and UV illumination on PLT mRNA. Results suggest that all mRNA present in PLTs is affected by the treatment although the degree of the effect varies among transcripts.
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 | 0,000 | 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 ».