MétaCan
Menu
Retour à la cohorte
Enregistrement W2522855402 · doi:10.1186/s12931-016-0434-4

The genetic and epigenetic landscapes of the epithelium in asthma

2016· review· en· W2522855402 sur OpenAlexaff
Fatemeh Moheimani, Alan Hsu, Andrew T. Reid, Teresa C. Williams, Anthony Kicic, Stephen M. Stick, Philip M. Hansbro, Peter Wark, Darryl A. Knight

Notice bibliographique

RevueRespiratory Research · 2016
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueIL-33, ST2, and ILC Pathways
Établissements canadiensUniversity of British ColumbiaUniversity of Victoria
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research Council
Mots-clésEpigeneticsAsthmaRespiratory epitheliumDNA methylationmicroRNABiologyImmunologyEpitheliumCandidate geneBioinformaticsGeneGeneticsGene expression

Résumé

récupéré en direct d'OpenAlex

Asthma is a global health problem with increasing prevalence. The airway epithelium is the initial barrier against inhaled noxious agents or aeroallergens. In asthma, the airway epithelium suffers from structural and functional abnormalities and as such, is more susceptible to normally innocuous environmental stimuli. The epithelial structural and functional impairments are now recognised as a significant contributing factor to asthma pathogenesis. Both genetic and environmental risk factors play important roles in the development of asthma with an increasing number of genes associated with asthma susceptibility being expressed in airway epithelium. Epigenetic factors that regulate airway epithelial structure and function are also an attractive area for assessment of susceptibility to asthma. In this review we provide a comprehensive discussion on genetic factors; from using linkage designs and candidate gene association studies to genome-wide association studies and whole genome sequencing, and epigenetic factors; DNA methylation, histone modifications, and non-coding RNAs (especially microRNAs), in airway epithelial cells that are functionally associated with asthma pathogenesis. Our aims were to introduce potential predictors or therapeutic targets for asthma in airway epithelium. Overall, we found very small overlap in asthma susceptibility genes identified with different technologies. Some potential biomarkers are IRAKM, PCDH1, ORMDL3/GSDMB, IL-33, CDHR3 and CST1 in airway epithelial cells. Recent studies on epigenetic regulatory factors have further provided novel insights to the field, particularly their effect on regulation of some of the asthma susceptibility genes (e.g. methylation of ADAM33). Among the epigenetic regulatory mechanisms, microRNA networks have been shown to regulate a major portion of post-transcriptional gene regulation. Particularly, miR-19a may have some therapeutic potential.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,096
Tête enseignante GPT0,373
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRespiratory ResearchMême sujetIL-33, ST2, and ILC PathwaysTravaux en français237 207