Extracellular vesicles from endometriosis patients are characterized by a unique miRNA-lncRNA signature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With multifactorial etiologies, combined with disease heterogeneity and a lack of suitable diagnostic markers and therapy, endometriosis remains a major reproductive health challenge. Extracellular vesicles (EVs) have emerged as major contributors of disease progression in several conditions, including a variety of cancers; however, their role in endometriosis pathophysiology has remained elusive. Using next-generation sequencing of EVs obtained from endometriosis patient tissues and plasma samples compared with controls, we have documented that patient EVs carry unique signatures of miRNAs and long noncoding RNAs (lncRNAs) reflecting their contribution to disease pathophysiology. Mass spectrophotometry-based proteomic analysis of EVs from patient plasma and peritoneal fluid further revealed enrichment of specific pathways, as well as altered immune and metabolic processes. Functional studies in endometriotic epithelial and endothelial cell lines using EVs from patient plasma and controls clearly indicate autocrine uptake and paracrine cell proliferative roles, suggestive of their involvement in endometriosis. Multiplex cytokine analysis of cell supernatants in response to patient and control plasma-derived EVs indicate robust signatures of important inflammatory and angiogenic cytokines known to be involved in disease progression. Collectively, these findings suggest that endometriosis-associated EVs carry unique cargo and contribute to disease pathophysiology by influencing inflammation, angiogenesis, and proliferation within the endometriotic lesion microenvironment.
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.
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 | 0,001 |
| 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 | 0,000 |
| 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) | 0,002 | 0,001 |
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 découle