Use of Serum MicroRNAs as Biomarker for Hepatobiliary Diseases in Dogs
Notice bibliographique
Résumé
BACKGROUND: Current biochemical indicators cannot discriminate between parenchymal, biliary, vascular, and neoplastic hepatobiliary diseases. MicroRNAs are promising new biomarkers for hepatobiliary disease in humans and dogs. OBJECTIVE: To measure serum concentrations of an established group of microRNAs in dogs and to investigate their concentrations in various types of hepatobiliary diseases. ANIMALS: Forty-six client-owned dogs with an established diagnosis of hepatobiliary disease and stored serum samples and eleven client-owned healthy control Labrador Retrievers. METHODS: Retrospective study. Medical records of dogs with parenchymal, biliary, vascular, or neoplastic hepatobiliary diseases and control dogs were reviewed. Concentrations of miR-21, miR-122, miR-126, miR-148a, miR-200c, and miR-222 were quantified in serum by real-time polymerase chain reaction. RESULTS: No different microRNA concentrations were found in the adenoma and congenital portosystemic shunt groups. In all other diseases, miR-122 concentrations were elevated with the highest concentration in the mucocele group (267-fold, CI: 40-1,768, P < .001). In dogs with biliary diseases, miR-21 and miR-222 were only increased in dogs with mucoceles (26-fold, CI: 5-141, P = .005 and 13-fold, CI: 2-70, P = .025, respectively). Uniquely increased microRNAs were found in the hepatocellular carcinoma group (miR-200c, 35-fold increase, CI: 3-382, P = .035) and the chronic hepatitis group (miR-126, 22-fold increase, CI: 5-91, P = .002). CONCLUSIONS AND CLINICAL IMPORTANCE: A microRNA panel consisting of miR-21, miR-122, miR-126, miR-200c, and miR-222 can distinguish between parenchymal, biliary, and neoplastic hepatobiliary diseases. Serum microRNA profiling is a promising new tool that might be a valuable addition to conventional diagnostics to help diagnose various hepatobiliary diseases in dogs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».