Identification of critical genes associated with spinal cord injury based on the gene expression profile of spinal cord tissues from trkB.T1 knockout mice
Notice bibliographique
Résumé
The present study aimed to identify the genes and underlying mechanisms critical to the pathology of spinal cord injury (SCI). Gene expression profiles of spinal cord tissues of trkB.T1 knockout (KO) mice following SCI were accessible from the Gene Expression Omnibus database. Compared with trkB.T1 wild type (WT) mice, the differentially expressed genes (DEGs) in trkB.T1 KO mice following injury at different time points were screened out. The significant DEGs were subjected to function, co‑expression and protein‑protein interaction (PPI) network analyses. A total of 664 DEGs in the sham group and SCI groups at days 1, 3, and 7 following injury were identified. Construction of a Venn diagram revealed the overlap of several DEGs in trkB.T1 KO mice under different conditions. In total, four modules (Magenta, Purple, Brown and Blue) in a co‑expression network were found to be significant. Protein tyrosine phosphatase, receptor type C (PTPRC), coagulation factor II, thrombin (F2), and plasminogen (PLG) were the most significant nodes in the PPI network. 'Fc γ R‑mediated phagocytosis' and 'complement and coagulation cascades' were the significant pathways enriched by genes in the PPI and co‑expression networks. The results of the present study identified PTPRC, F2 and PLG as potential targets for SCI treatment, which may further improve the general understanding of SCI pathology.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».