Profiling of circulating microRNAs in children with recent onset of type 1 diabetes
Notice bibliographique
Résumé
Type 1 diabetes (T1D) is an autoimmune disease that is clinically silent until the majority of β cells are destroyed. There is an unmet need for reliable and cost-effective biomarkers to predict and diagnose diabetes at an early stage. A number of stable microRNAs (miRNAs) have been reported in serum and plasma and are now being investigated as biomarkers of different diseases. We measured the levels of 745 miRNAs in sera of children with recent-onset T1D and age-matched controls using locked nucleic acid-enhanced (LNA-enhanced) quantitative PCR profiling. Thirty-five miRNAs were significantly different between the groups, and 27 miRNAs were elevated in T1D. Good discriminating power was obtained for 6 miRNAs (miR-454-3p, miR-222-3p, miR-144-5p, miR-345-5p, miR-24-3p, and miR-140-5p), which were not elevated at later stages of diabetes. In silico pathway analysis, based on inferred miRNA target genes, associated glycosaminoglycan biosynthesis as well as PI3K/Akt, MAPK, and Wnt signaling pathways with early stages of T1D. Among the 27 upregulated miRNAs in T1D, 2 miRNAs significantly correlated with hemoglobin A1c (HbA1c), as did 5 of 8 downregulated miRNAs. A total of 134 miRNAs significantly correlated with HbA1c when stratifying hyperglycemia-induced miRNAs from T1D-specific miRNAs. In conclusion, we have identified a serum miRNA pattern of recent-onset T1D and signaling pathways that may be involved in its pathogenesis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».