MétaCan
Menu
Retour à la cohorte
Enregistrement W3008165957 · doi:10.1097/ccm.0000000000004247

Epigenetics of Sepsis

2020· article· en· W3008165957 sur OpenAlexafffund
Alexandra Binnie, Jennifer Tsang, Pingzhao Hu, Gabriela Carrasqueiro, Pedro Castelo‐Branco, Claúdia C. dos Santos

Notice bibliographique

RevueCritical Care Medicine · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensUniversity of TorontoUniversity of ManitobaMcMaster UniversityWilliam Osler Health SystemNiagara Health SystemSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésEpigeneticsSepsisDNA methylationMedicineHistoneImmunologyOrgan dysfunctionBioinformaticsBiologyGene expressionGeneticsGene

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Recent evidence from the fields of microbiology and immunology, as well as a small number of human sepsis studies, suggest that epigenetic regulation may play a central role in the pathogenesis of sepsis. The term "epigenetics" refers to regulatory mechanisms that control gene expression but are not related to changes in DNA sequence. These include DNA methylation, histone modifications, and regulation of transcription via non-coding RNAs. Epigenetic modifications, occurring in response to external stressors, lead to changes in gene expression, and thus lie at the intersection between genetics and the environment. In this review, we examine data from in vitro studies, animal studies, and the existing human sepsis studies in epigenetics to demonstrate that epigenetic mechanisms are likely central to the pathogenesis of sepsis and that epigenetic therapies may have potential in the treatment of sepsis and its associated organ failures. DATA SOURCES: Online search of published scientific literature via Pubmed using the term "epigenetics" in combination with the terms "sepsis", "infection", "bacterial infection", "viral infection", "critical illness", "acute respiratory distress syndrome", and "acute lung injury". STUDY SELECTION: Articles were chosen for inclusion based on their relevance to sepsis, acute inflammation, sepsis-related immune suppression, and sepsis-related organ failure. Reference lists were reviewed to identify additional relevant articles. DATA EXTRACTION: Relevant data was extracted and synthesized for narrative review. DATA SYNTHESIS: Epigenetic regulation is a key determinant of gene expression in sepsis. At the onset of infection, host-pathogen interactions often result in epigenetic alterations to host cells that favor pathogen survival. In parallel, the host inflammatory response is characterized by epigenetic modifications in key regulatory genes, including tumor necrosis factor and interleukin-1β. In human sepsis patients, multiple epigenetic modifying enzymes show differential expression in early sepsis, suggesting a role for epigenetics in coordinating the response to infection. In the later stages of sepsis, epigenetic modifications accompany endotoxin tolerance and the immune-suppressed state. In animal models, treatment with epigenetic modifiers can mitigate the effects of sepsis and improve survival as well as reverse sepsis-associated organ injury. CONCLUSIONS: Epigenetic modifications are associated with key phases of sepsis, from the host-pathogen interaction, to acute inflammation, to immune suppression. Epigenetic markers show promise in the diagnosis and prognosis of sepsis and epigenetic modifying agents show promise as therapeutic tools in animal models of sepsis. Human studies in the area of epigenetics are sorely lacking and should be a priority for sepsis researchers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,326
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetEpigenetics and DNA MethylationTravaux en français237 207