MétaCan
Menu
Retour à la cohorte
Enregistrement W2601751516 · doi:10.1515/cclm-2016-0898

miRNAs, single nucleotide polymorphisms (SNPs) and age-related macular degeneration (AMD)

2017· review· en· W2601751516 sur OpenAlexaff
John Paul SanGiovanni, Peter M. SanGiovanni, Przemysław Sapieha, Vincent De Guire

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensMcGill UniversityUniversité de MontréalHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésSingle-nucleotide polymorphismmicroRNABiologyMacular degenerationGeneticsSNPTranscriptomeGeneMedicineGenotypeGene expression

Résumé

récupéré en direct d'OpenAlex

Advanced age-related macular degeneration (AAMD) is a complex sight-threating disease of public health significance. Micro RNAs (miRNAs) have been proposed as biomarkers for AAMD. The presence of certain single nucleotide polymorphisms (SNPs) may influence the explanatory value of these biomarkers. Here we present findings from an integrated approach used to determine whether AAMD-associated SNPs have the capacity to influence miRNA-mRNA pairing and, if so, to what extent such pairing may be manifested in a discrete AAMD transcriptome. Using a panel of 8854 SNPs associated with AAMD at p-values ≤5.0E-7 from a cohort of >30,000 elderly people, we identified SNPs in miRNA target-encoding constituents of: (1) regulator of complement activation (RCA) genes (rs390679, CFHR1, p≤2.14E-214 | rs12140421, CFHR3, p≤4.63E-29); (2) genes of major histocompatibility complex (MHC) loci (rs4151672, CFB, p≤8.91E-41 | rs115404146, HLA-C, p≤6.32E-12 | rs1055821, HLA-B, p≤1.93E-9 | rs1063355, HLA-DQB1, p≤6.82E-14); and (3) genes of the 10q26 AAMD locus (rs1045216, PLEKHA1, p≤4.17E-142 | rs2672603, ARMS2, p≤7.14E-46). We used these findings with existing data on AAMD-related retinal miRNA and transcript profiles for the purpose of making inferences on SNP-mRNA-miRNA-AAMD relationships. Four of 12 miRNAs significantly elevated in AAMD retina (hsa-miR-155-5p, hsa-let-7a-5p, hsa-let-7b-5p hsa-let-7d-5p) also showed strong pairing capacity (TarBase 7.1 context++ score <-0.2, miRanda 3.3 pairing score >150) with miRNA target transcripts encoded by AAMD-associated SNPs resident in HLA-DQB1 (rs1063355, hsa-miR-155-5p) and TGFBR1 (rs868, hsa-let-7). Three of the 12 miRNAs overexpressed in AAMD retina are inducible by NFkB and have high affinity targets in the complement factor H (CFH) mRNA 3' UTR. We used ENSEMBL to identify polymorphic regions in the CFH mRNA 3' UTR with the capacity to disrupt miRNA-mRNA pairing. Two variants (rs766666504 and rs459598) existed in DNA sequence encoding the seed region of hsa-miR-146a-5p in the CFH mRNA 3' UTR - as this miRNA is also elevated in both vitreous and serum of people with AAMD, it shows great value as a biomarker. Our findings suggest that knowledge on the nature of DNA sequence variation may increase the explanatory power of miRNA biomarkers in genetically diverse populations, while yielding information with which to develop: (1) mechanistic tests on processes implicated in AMD pathogenesis; and, (2) site-specific small molecules (synthetic mimetics or anti-miRNAs) with preventive or therapeutic efficacy for AAMD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,069
Tête enseignante GPT0,371
Écart entre enseignants0,303 · 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 source (Gemma direct ou Codex distillé), 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

Citations38
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetMicroRNA in disease regulationTravaux en français237 207