Simultaneous Extraction of RNA and Metabolites from Single Kidney Tissue Specimens for Combined Transcriptomic and Metabolomic Profiling
Notice bibliographique
Résumé
Tissue analysis represents a powerful tool for the investigation of disease pathophysiology. However, the heterogeneous nature of tissue samples, in particular of neoplastic, may affect the outcome of such analysis and hence obscure interpretation of results. Thus, comprehensive isolation and extraction of transcripts and metabolites from an identical tissue specimen would minimize variations and enable the economic use of biopsy material which is usually available in limited amounts. Here we demonstrate a fast and simple protocol for combined transcriptomics and metabolomics analysis in homogenates prepared from one single tissue sample. Metabolites were recovered by protein precipitation from lysates originally prepared for RNA isolation and were analyzed by LC-QTOF-MS after HILIC and RPLC separation, respectively. Strikingly, although ion suppression was observed, over 80% of the 2885 detected metabolic features could be extracted and analyzed with high reproducibility (CV ≤ 20%). Moreover fold changes of different tumor and nontumor kidney tissues were correlated to an established metabolomics protocol and revealed a strong correlation (rp ≥ 0.75). In order to demonstrate the feasibility of the combined analysis of RNA and metabolites, the protocol was applied to kidney tissue of metformin treated mice to investigate drug induced alterations.
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 | 0,001 |
| 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 ».