Diversity and signature of small RNA in different bodily fluids using next generation sequencing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Small RNAs are critical components in regulating various cellular pathways. These molecules may be tissue-associated or circulating in bodily fluids and have been shown to associate with different tumors. Next generation sequencing (NGS) on small RNAs is a powerful tool for profiling and discovery of microRNAs (miRNAs). RESULTS: In this study, we isolated total RNA from various bodily fluids: blood, leukocytes, serum, plasma, saliva, cell-free saliva, urine and cell-free urine. Next, we used Illumina's NGS platform and intensive bioinformatics analysis to investigate the distribution and signature of small RNAs in the various fluids. Successful NGS was accomplished despite the variations in RNA concentrations among the different fluids. Among the fluids studied, blood and plasma were found to be the most promising fluids for small RNA profiling as well as novel miRNA prediction. Saliva and urine yielded lower numbers of identifiable molecules and therefore were less reliable in small RNA profiling and less useful in predicting novel molecules. In addition, all fluids shared many molecules, including 139 miRNAs, the most abundant tRNAs, and the most abundant piwi-interacting RNAs (piRNAs). Fluids of similar origin (blood, urine or saliva) displayed closer clustering, while each fluid still retains its own characteristic signature based on its unique molecules and its levels of the common molecules. Donor urine samples showed sex-dependent differential clustering, which may prove useful for future studies. CONCLUSIONS: This study shows the successful clustering and unique signatures of bodily fluids based on their miRNA, tRNA and piRNA content. With this information, cohorts may be differentiated based on multiple molecules from each small RNA class by a multidimensional assessment of the overall molecular signature.
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.
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 découle