Circulating let-7g-5p and miR-191-5p Are Independent Predictors of Chronic Kidney Disease in Hypertensive Patients
Notice bibliographique
Résumé
BACKGROUND: Hypertension (HTN) is associated with target organ damage such as cardiac, vascular, and kidney injury. Several studies have investigated circulating microRNAs (miRNAs) as biomarkers of cardiovascular disease, but few have examined them as biomarker of target organ damage in HTN. We aimed to identify circulating miRNAs that could serve as biomarkers of HTN-induced target organ damage using an unbiased approach. METHODS AND RESULTS: Fifteen normotensive subjects, 16 patients with HTN, 15 with HTN associated with other features of the metabolic syndrome (MetS), and 16 with HTN or chronic kidney disease (CKD) were studied. Circulating RNA extracted from platelet-poor plasma was used for small RNA sequencing. Differentially expressed (DE) genes were identified with a threshold of false discovery rate <0.1. DE miRNAs were identified uniquely associated with HTN, MetS, or CKD. However, only 2 downregulated DE miRNAs (let-7g-5p and miR-191-5p) could be validated by reverse transcription-quantitative PCR. Let-7g-5p was associated with large vessel stiffening, miR-191-5p with MetS, and both miRNAs with estimated glomerular filtration rate (eGFR) and neutrophil and lymphocyte fraction or number and neutrophil-to-lymphocyte ratio. Using the whole population, stepwise multiple linear regression generated a model showing that let-7g-5p, miR-191-5p, and urinary albumin/creatinine ratio predicted eGFR with an adjusted R2 of 0.46 (P = 8.5e-7). CONCLUSIONS: We identified decreased circulating let-7g-5p and miR-191-5p as independent biomarkers of CKD among patients with HTN, which could have pathophysiological and therapeutic implications.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».