Bioinformatic analysis of microRNA and mRNA Regulation in peripheral blood mononuclear cells of patients with chronic obstructive pulmonary disease
Notice bibliographique
Résumé
BACKGROUND: Chronic obstructive pulmonary disease (COPD) is a progressive, irreversible chronic inflammatory disorder typified by increased recruitment of monocytes, lymphocytes and neutrophils. Because of this, as well as the convenience of peripheral blood nuclear cells (PBMCs) assessments, miRNA profiling of PBMCs has drawn increasing attention in recent years for various disease. Therefore, we analyzed miRNA and mRNA profiles to understand their regulatory network between COPD subjects versus smokers without airflow limitation. METHODS: miRNA and mRNA profiling of PBMCs from pooled 17 smokers and 14 COPD subjects was detected by high-throughput microarray. The expression of dysregulated miRNAs were validated by q-PCR. The miRNA targets in dysregulated mRNAs were predicted and the pathway enrichment was analyzed. RESULTS: miRNA microarray showed that 8 miRNAs were up-regulated and 3 miRNAs were down-regulated in COPD subjects compared with smokers; the upregulation of miR-24-3p, miR-93-5p, miR-320a and miR-320b and the downregulation of miR-1273 g-3p were then validated. Bioinformatic analysis of regulatory network between miRNA and mRNA showed that NOD and TLR were the most enriched pathways. miR-24-3p was predicted to regulate IL-18, IL-1β, TNF, CCL3 and CCL4 and miR-93-5p to regulate IκBα. CONCLUSIONS: The expression of miRNA and mRNA were dysregulated in PBMCs of COPD patients compared with smokers without airflow limitation. The regulation network between the dysregulated miRNA and mRNA may provide potential therapeutic targets for COPD.
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 ».