Post-transcriptional Regulation of PCSK9 by miR-191, miR-222, and miR-224
Notice bibliographique
Résumé
Since proprotein convertase subtilisin kexin 9 (PCSK9) discovery, a gene involved in LDL metabolism regulation and cardiovascular diseases (CVD), many therapeutic strategies have been introduced for direct targeting of PCSK9. The main goal of these strategies has been to reduce PCSK9 protein level either by application of antibodies or inhibition of its production. In this study, we have tried to discover microRNAs (miRNAs) which can target, and hence regulate, PCSK9 expression. Using bioinformatics tools, we selected three microRNAs with binding sites on 3'-UTR of PCSK9. The expression level of these miRNAs was examined in three different cell lines using real-time RT-PCR. We observed a reciprocal expression pattern between expression level of miR-191, miR-222, and miR-224 with that of PCSK9. Accordingly, the expression levels were highest in Huh7 cells which expressed the lowest level of PCSK9, compared to HepG2 and A549 cell lines. PCSK9 mRNA level also showed a significant decline in HepG2 cells transfected with the vectors overexpressing the aforementioned miRNAs. Furthermore, the miRNAs target sites were cloned in psiCHECK-2 vector, and a direct interaction of the miRNAs and the PCSK9 3'-UTR putative target sites was investigated by means of luciferase assay. Our findings revealed that miR-191, miR-222, and miR-224 can directly interact with PCSK9 3'-UTR and regulate its expression. In conclusion, our data introduces a role for miRNAs to regulate PCSK9 expression.
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 | 0,000 | 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 ».