Total particulate matter concentration skews cigarette smoke's gene expression profile
Notice bibliographique
Résumé
Exposure of small animals to cigarette smoke is widely used as a model to study the pathogenesis of chronic obstructive pulmonary disease. However, protocols and exposure systems utilised vary substantially and it is unclear how these different systems compare. We analysed the gene expression profile of six publically available murine datasets from different cigarette smoke-exposure systems and related the gene signatures to three clinical cohorts. 234 genes significantly regulated by cigarette smoke in at least one model were used to construct a 55-gene network containing 17 clusters. Increasing numbers of differentially regulated clusters were associated with higher total particulate matter concentrations in the different datasets. Low total particulate matter-induced genes mainly related to xenobiotic/detoxification responses, while higher total particulate matter activated immune/inflammatory processes in addition to xenobiotic/detoxification responses. To translate these observations to the clinic, we analysed the regulation of the revealed network in three human cohorts. Similar to mice, we observed marked differences in the number of regulated clusters between the cohorts. These differences were not determined by pack-year. Although none of the experimental models exhibited a complete alignment with any of the human cohorts, some exposure systems showed higher resemblance. Thus, depending on the cohort, clinically observed changes in gene expression may be mirrored more closely by specific cigarette smoke exposure systems. This study emphasises the need for careful validation of animal models.
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 | 0,002 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».