MALAT1: An Epigenetic Regulator of Inflammation in Diabetic Retinopathy
Notice bibliographique
Résumé
Despite possessing limited protein-coding potential, long non-coding RNAs (lncRNAs) have been implicated in a myriad of pathologic conditions. Most well documented in cancer, one prominent intergenic lncRNA known as MALAT1 is notorious for its role in impacting epigenetic mechanisms. In this study, we established a novel epigenetic paradigm for MALAT in diabetic retinopathy (DR) by employing siRNA-mediated MALAT1 knockdown in human retinal endothelial cells (HRECs), a Malat1 knockout animal model, vitreous humor from diabetic patients, pharmacological inhibitors for histone and DNA methylation, RNA immunoprecipitation, western blotting, and a unique DNA methylation array to determine glucose-related alterations in MALAT1. Our findings indicated that MALAT1 is capable of impacting the expressions of inflammatory transcripts through its association with components of the PRC2 complex in diabetes. Furthermore, the vitreous humors from diabetic patients revealed increased expressions of MALAT1, TNF-α, and IL-6. Intriguingly, our DNA methylation array demonstrated that transient high glucose exposure in HRECs does not contribute to significant methylation alterations at CpG sites across the MALAT1 gene. However, global inhibition of DNA methyltransferases induced significant increases in MALAT1 and associated inflammatory transcripts in HRECs. Our findings collectively demonstrate the importance of MALAT1 in inflammation and epigenetic regulation in DR.
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 ».