MicroRNA‐transcriptome networks in whole blood and monocytes of women undergoing preterm labour
Notice bibliographique
Résumé
Preterm birth is attributed to neonatal morbidity as well as cognitive and physiological challenges. We have previously identified significant differences in mRNA expression in whole blood and monocytes, as well as differences in miRNA concentration in blood plasma, extracellular vesicles (EV) and EV-depleted plasma in women undergoing spontaneous preterm labour (sPTL). The goal of this analysis was to identify differences in miRNA expression within whole blood (WB) and peripheral monocytes (PM) from the same population of women undergoing sPTL compared with non-labouring controls matched by gestational age. We performed single-end small RNA sequencing in whole blood and peripheral monocytes from women undergoing sPTL with active contractions (24-34 weeks of gestation, N = 15) matched for gestational age to healthy pregnant non-labouring controls (>37 weeks gestation, N = 30) who later delivered at term as a part of the Ontario Birth Study (Toronto, Ontario CA). We identified significant differences in expression of 16 miRNAs in PMs and nine miRNAs in WB in women undergoing sPTL. In PMs, these miRNAs were predicted targets of 541 genes, including 28 previously associated with sPTL. In WB, miRNAs were predicted to target 303 genes, including nine previously associated with sPTL. These genes were involved in a variety of immune pathways, including interleukin-2 signalling. This study is the first to identify changes in miRNA expression in WB and PMs of women undergoing sPTL. Our results shed light on potential mechanisms by which miRNAs may play a role in mediating systemic inflammatory response in pregnant women that deliver prematurely.
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 ».