Negative pressure wound therapy in the treatment of diabetic foot ulcers may be mediated through differential gene expression
Notice bibliographique
Résumé
AIMS: Negative pressure wound therapy (NPWT) has been successfully used as a treatment for diabetic foot ulceration (DFU). Its mechanism of action on the molecular level, however, is not fully understood. We assessed the effect of NPWT on gene expression in patients with type 2 diabetes (T2DM) and DFU. METHODS: We included two cohorts of patients-individuals treated with either NPWT or standard therapy. The assignment to NWPT was non-randomized and based on wound characteristics. Differential gene expression profiling was performed using Illumina gene expression arrays and R Bioconductor pipelines based on the 'limma' package. RESULTS: The final cohort encompassed 21 patients treated with NPWT and 8 with standard therapy. The groups were similar in terms of age (69.0 versus 67.5 years) and duration of T2DM (14.5 versus 14.4 years). We identified four genes differentially expressed between the two study arms post-treatment, but not pre-treatment: GFRA2 (GDNF family receptor alpha-2), C1QBP (complement C1q binding protein), RAB35 (member of RAS oncogene family) and SYNJ1 (synaptic inositol 1,4,5-trisphosphate 5-phosphatase 1). Interestingly, all four genes seemed to be functionally involved in wound healing by influencing re-epithelialization and angiogenesis. Subsequently, we utilized co-expression analysis in publicly available RNA-seq data to reveal the molecular functions of GFRA2 and C1QBP, which appeared to be through direct protein-protein interactions. CONCLUSIONS: We found initial evidence that the NPWT effect on DFUs may be mediated through differential gene expression. A discovery of the specific molecular mechanisms of NPWT is potentially valuable for its clinical application and development of new therapies.
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) | 0,001 | 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 ».