Suppression of MALAT1 ameliorates chronic constriction injury‐induced neuropathic pain in rats via modulating miR‐206 and ZEB2
Notice bibliographique
Résumé
Long noncoding RNAs (lncRNAs) are involved in multiple nervous system diseases, including neuropathic pain. Previous studies have demonstrated that lncRNA metastasis-associated lung adenocarcinoma transcript 1 (MALAT1) has been identified as a diagnostic biomarker in many diseases. Nevertheless, the function of MALAT1 in neuropathic pain progression is still unclear. Here, we established a chronic constriction injury (CCI) rat model. We found that MALAT1 was remarkably upregulated in CCI rats. In addition, neuropathic pain behaviors such as mechanical and thermal hyperalgesia were reduced by the inhibition of MALAT1. Meanwhile, the loss of MALAT1 was able to depress the neuroinflammation process via the inhibition of COX-2, interleukin-1β, and interleukin-6. A previous study has indicated that miR-206 upregulation can restrain the CCI-induced neuropathic pain. Furthermore, we exhibited that miR-206 was significantly downregulated and silence of MALAT1 restrained its expression in CCI rats. For another, ZEB2 was a target of miR-206 and it was shown that ZEB2 was elevated in CCI rats in a time-dependent manner. Overexpression of miR-206 obviously suppressed ZEB2 levels in rat microglial cells. Subsequently, it was demonstrated that upregulation of miR-206 rescued the neuropathic pain triggered by ZEB2 overexpression in vivo through neuroinflammation inhibition. Overall, we indicated that suppression of MALAT1 ameliorated neuropathic pain progression via miR-206/ZEB2 axis.
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 ».