MicroRNA-mediated Regulation of Mucin-type O-glycosylation Pathway: A Putative Mechanism of Salivary Gland Dysfunction in Sjögren Syndrome
Notice bibliographique
Résumé
Objective. To investigate microRNA (miRNA) that is potentially implicated in primary Sjögren syndrome (pSS)–related salivary hypofunction in labial salivary glands and to study miRNA-mediated mechanisms underlying oral dryness and altered rheology, focusing on the mucin O-glycosylation pathway. Methods. We performed miRNA expression profiling in minor salivary gland samples of patients with pSS presenting a different impairment in their unstimulated salivary flow rate. A computational in silico analysis was performed to identify genes and pathways that might be modulated by the deregulated miRNA that we had identified. To confirm in silico analysis, expression levels of genes encoding for glycosyltransferases and glycan-processing enzymes were investigated using Human Glycosylation-RT 2 Profiler PCR Array. Results. Among 754 miRNA analyzed, we identified 126 miRNA that were significantly deregulated in pSS compared to controls, with a trend that was inversely proportional with the impairment of salivary flow rates. An in silico approach pinpointed that several upregulated miRNA in patients with pSS target important genes in the mucin O-glycosylation. We confirmed this prediction by quantitative real-time PCR, highlighting the downregulation of some glycosyltransferase and glycosidase genes in pSS samples compared to controls, such as GALNT1 , responsible for mucin-7 glycosylation. Conclusion. Collectively, our data suggest that the expression of different predicted miRNA-target genes in the mucin type O-glycan biosynthesis pathway is altered in pSS patients with low salivary flow and that the miRNA expression profile could influence the glycosidase expression levels and consequently the rheology in pSS.
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) | 0,001 | 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 ».