Serum MicroRNAs Reflect Injury Severity in a Large Animal Model of Thoracic Spinal Cord Injury
Notice bibliographique
Résumé
Therapeutic development for spinal cord injury is hindered by the difficulty in conducting clinical trials, which to date have relied solely on functional outcome measures for patient enrollment, stratification, and evaluation. Biological biomarkers that accurately classify injury severity and predict neurologic outcome would represent a paradigm shift in the way spinal cord injury clinical trials could be conducted. MicroRNAs have emerged as attractive biomarker candidates due to their stability in biological fluids, their phylogenetic similarities, and their tissue specificity. Here we characterized a porcine model of spinal cord injury using a combined behavioural, histological, and molecular approach. We performed next-generation sequencing on microRNAs in serum samples collected before injury and then at 1, 3, and 5 days post injury. We identified 58, 21, 9, and 7 altered miRNA after severe, moderate, and mild spinal cord injury, and SHAM surgery, respectively. These data were combined with behavioural and histological analysis. Overall miRNA expression at 1 and 3 days post injury strongly correlates with outcome measures at 12 weeks post injury. The data presented here indicate that serum miRNAs are promising candidates as biomarkers for the evaluation of injury severity for spinal cord injury or other forms of traumatic, acute, neurologic injury.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».