An integrated genomic analysis on miRNAs and SNPs associated with vitiligo to reveal potential drug candidates
Notice bibliographique
Résumé
Vitiligo is characterized by the occurrence of depigmented patches on the skin caused as a result of progressive loss of functional melanocytes. It is a polygenic disorder entailing both genetic and non-genetic factors intricately and as such is not yet clearly understood. Hence, a comprehensive understanding of the entire spectrum of disease susceptibility and pathogenesis remains a challenge. Emerging evidence over the decades underlines the cardinal role of miRNAs in disease development and having a significant role in melanocyte development and survival. Also, identifying the susceptible genes and their variants that influence disease onset is fundamental to unravel the rationale for disease susceptibility. We, therefore, applied a systems biology approach to identify potential miRNAs and their target genes to construct a miRNA-target gene network revealing essential miRNAs that might be significantly related to vitiligo. We further investigated the susceptible genetic variants associated with vitiligo and prioritized a few proteins in our protein-protein interaction network as significant hub proteins. Network-based polypharmacological studies of such hub proteins are helpful in analyzing a large set of disease-associated proteins which might initiate better diagnosis with the feasibility of personalized treatment for vitiligo patients in the future. Our polypharmacogenomic systems analysis highlighted novel drug candidates and drug repositioning candidates for vitiligo. Furthermore, we investigated the pathogenic effect of the plausible single nucleotide polymorphisms (SNPs) using computational platforms and carried out preliminary protein modeling to implicate the role of SNPs in disease pathogenesis. Thus, our analysis unveiled significant findings which may provide an insight of the mechanisms of vitiligo development and progression, thereby, driving the way towards improved therapeutic and diagnostic interventions for vitiligo management.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».