MicroRNAs upregulated during HIV infection target peroxisome biogenesis factors: Implications for virus biology, disease mechanisms and neuropathology
Notice bibliographique
Résumé
HIV-associated neurocognitive disorders (HAND) represent a spectrum neurological syndrome that affects up to 25% of patients with HIV/AIDS. Multiple pathogenic mechanisms contribute to the development of HAND symptoms including chronic neuroinflammation and neurodegeneration. Among the factors linked to development of HAND is altered expression of host cell microRNAs (miRNAs) in brain. Here, we examined brain miRNA profiles among HIV/AIDS patients with and without HAND. Our analyses revealed differential expression of 17 miRNAs in brain tissue from HAND patients. A subset of the upregulated miRNAs (miR-500a-5p, miR-34c-3p, miR-93-3p and miR-381-3p), are predicted to target peroxisome biogenesis factors (PEX2, PEX7, PEX11B and PEX13). Expression of these miRNAs in transfected cells significantly decreased levels of peroxisomal proteins and concomitantly decreased peroxisome numbers or affected their morphology. The levels of miR-500a-5p, miR-34c-3p, miR-93-3p and miR-381-3p were not only elevated in the brains of HAND patients, but were also upregulated during HIV infection of primary macrophages. Moreover, concomitant loss of peroxisomal proteins was observed in HIV-infected macrophages as well as in brain tissue from HIV-infected patients. HIV-induced loss of peroxisomes was abrogated by blocking the functions of the upregulated miRNAs. Overall, these findings point to previously unrecognized miRNA expression patterns in the brains of HIV patients. Targeting peroxisomes by up-regulating miRNAs that repress peroxisome biogenesis factors may represent a novel mechanism by which HIV-1 subverts innate immune responses and/or causes neurocognitive dysfunction.
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 | 0,001 | 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 ».