Validation of optimal reference genes for quantitative real time PCR in muscle and adipose tissue for obesity and diabetes research
Notice bibliographique
Résumé
The global incidence of obesity has led to an increasing need for understanding the molecular mechanisms that drive this epidemic and its comorbidities. Quantitative real-time RT-PCR (RT-qPCR) is the most reliable and widely used method for gene expression analysis. The selection of suitable reference genes (RGs) is critical for obtaining accurate gene expression information. The current study aimed to identify optimal RGs to perform quantitative transcriptomic analysis based on RT-qPCR for obesity and diabetes research, employing in vitro and mouse models, and human tissue samples. Using the ReFinder program we evaluated the stability of a total of 15 RGs. The impact of choosing the most suitable RGs versus less suitable RGs on RT-qPCR results was assessed. Optimal RGs differed between tissue and cell type, species, and experimental conditions. By employing different sets of RGs to normalize the mRNA expression of peroxisome proliferator-activated receptor gamma coactivator 1-alpha (PGC1α), we show that sub-optimal RGs can markedly alter the PGC1α gene expression profile. Our study demonstrates the importance of validating RGs prior to normalizing transcriptional expression levels of target genes and identifies optimal RG pairs for reliable RT-qPCR normalization in cells and in human and murine muscle and adipose tissue for obesity/diabetes research.
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 | 0,001 | 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 ».