Comparative miRNAome analysis revealed different miRNA expression profiles in bovine sera and exosomes
Notice bibliographique
Résumé
BACKGROUND: Extra-cellular components, such as serum and exosome, have drawn great attention as a readily accessible source of biomarkers for mammalian health. However, the contribution of different blood components to the signature of respective microRNAs (miRNAs) remains unknown, especially in cattle. In this study we aimed to investigate the miRNAs from bovine sera and exosomes, and to provide insights into their future applications. RESULTS: Blood collected from four healthy dairy cows were used for this study. The serum and exosomal RNAs were extracted using two commonly used commercial kits (Norgen and Invitrogen total RNA isolation kit), respectively. The miRNA profiles were then generated using RNA-seq. Sera had higher complexity of miRNAome consisting of 328 ± 17 miRNAs, while less number of miRNAs (260 ± 15, P = 0.001) was detected in exosomes. The profile of total detected miRNAs in sera and exosomes was different, while exosomes represented about 78 % of total miRNAs expressed in sera, suggesting that exosomes are the major miRNAs carriers in bovine sera. A total of 24 and 3 miRNAs (RPM > 5) were exclusively expressed in sera and exosomes, respectively. In addition, 12 miRNAs were differentially expressed between sera and exosomes (FDR < 0.05), with the expression of four of them being further validated by stem-loop RT-qPCR. Moreover, functional analysis showed that uniquely and highly expressed miRNAs in sera were mainly related to diseases and disorders, while the predicted functions of those in exosomes were enriched in tissue development and lipid metabolism. CONCLUSION: Our results provide evidence that bovine sera and exosomes miRNAomes are different with regarding to the miRNA numbers, types and expressions. Based on their distinct profiles, miRNAs from sera and exosomes may reflect different aspects of physiological and pathological conditions in cattle. The functional analysis suggest that sera may be preferable for the purpose of detecting inflammation in cattle, while exosomes may be a better choice for monitoring the status of muscle development and lipid metabolism.
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 ».