MiR-106a-5p modulates apoptosis and metabonomics changes by TGF-β/Smad signaling pathway in cleft palate
Notice bibliographique
Résumé
BACKGROUND: The molecular mechanisms of abnormal palatogenesis were investigated in this study. A key regulator, miR-106a-5p, and its target pathway were analyzed. OBJECTIVES: This research is trying to clarify the underlying mechanism of the modulation of miRNA transcription during the formation of cleft palate by 7T and 9.4T NMR metabolomic platforms. METHOD: Differentially expressed miRNAs and mRNAs were analyzed by microarray analysis and verified by qRT-PCR. The protein expression in TGFβ signaling pathways were analyzed by Western Blotting. The relationship between miR-106a-5p and TGFβ were analyzed by luciferase reporter assay. Cell apoptosis were analyzed by flow cytometer. And finally, the metabonomics were analyzed by NMR and multivariate data analysis models (MVDA). RESULTS: The expression of miR-106a-5p increased in cleft palatal tissue and negatively correlated with the protein level of Tgfbr2. The luciferase assay further proved that the tgfbr2 was a direct target of miR-106a-5p. In another aspect, miR-106a-5p increased apoptosis level in palatal mesenchymal cells, possibly because its inhibition of TGFβ signaling pathway. Moreover, low cholesterol and choline levels with high citric acid and lipid levels were observed by 7T and 9.4T NMR metabonomic analysis, which inferred the disorder of cell membrane synthesis in cleft palate formation. Furthermore, transformation from choline to phosphatidylcholine regulated by miR-106a-5p was also disrupted, resulting in phosphatidic choline synthesis disorder and reduced cell membrane synthesis. CONCLUSIONS: The regulatory mechanism of cleft palate was studied at transcriptional and metabolomics levels, which may provide important information in understanding the primary cause of this abnormality.
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 | 0,001 |
| 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 ».