Identification of microRNAs as potential markers of ovarian toxicity
Notice bibliographique
Résumé
Exposure to environmental toxicants has been associated with ovarian dysfunction yet sensitive biomarkers of adverse effect are lacking. We previously demonstrated that cigarette smoke exposure induced decreased relative ovarian weight, increased follicle loss and granulosa cell autophagy in mice. We postulate that cigarette smoke exposure will induce changes in the epigenome that can be used to reveal potential sensitive biomarkers of ovarian toxicity. Therefore, we evaluated differences in expression of 940 microRNAs (miRNAs), environmentally responsive small non-coding genes that regulate expression of genes at the post-transcriptional level, in ovarian tissue from 8-week-old female C57BL/6 mice exposed to room air or cigarette smoke 5 days per week for 8 weeks. A total of 152 miRNAs were dysregulated in expression, 17 of which were examined with quantitative polymerase chain reaction analysis. Using an online miRNA database tool, complete lists of predicted miRNA gene targets were generated, 12 of which were measured for their expression levels with quantitative polymerase chain reaction. An online bioinformatics resource database, DAVID generated functional classification lists of the target genes and their associated biological pathways. Results of the present pilot study suggest that miR-379, miR-15b, miR-691, miR-872 and miR-1897-5p are potentially useful markers of ovarian toxicity and dysfunction. Examination of the expression pattern of the target mRNA for these miRNA species demonstrated that cigarette smoke exposure induced significant changes that affect mitogen-activated protein kinase signaling pathways. We therefore suggest that miRNAs could serve as sensitive markers of ovarian toxicity and elucidate affected pathways.
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 ».