Platelet Pathogen Reduction Technologies Alter the MicroRNA Profile of Platelet-Derived Microparticles
Notice bibliographique
Résumé
Despite improvements in donor screening and increasing efforts to avoid contamination and the spread of pathogens in clinical platelet concentrates (PCs), the risks of transfusion-transmitted infections remain important. Relying on an ultraviolet photo activation system, pathogen reduction technologies (PRTs), such as Intercept and Mirasol, utilize amotosalen, and riboflavin (vitamin B2), respectively, to mediate inactivation of pathogen nucleic acids. Although they are expected to increase the safety and prolong the shelf life of clinical PCs, these PRTs might affect the quality and function of platelets, as recently reported. Upon activation, platelets release microparticles (MPs), which are involved in intercellular communications and regulation of gene expression, thereby mediating critical cellular functions. Here, we have used small RNA sequencing (RNA-Seq) to document the effect of PRT treatment on the microRNA profiles of platelets and derived MPs. PRT treatment did not affect the microRNA profile of platelets. However, we observed a specific loading of certain microRNAs into platelet MPs, which was impaired by treatment with Intercept or its Additive solution (SSP+). Whereas, Intercept had an impact on the microRNA profile of platelet-derived MPs, Mirasol did not impact the microRNA profile of platelets and derived MPs, compared to non-treated control. Considering that platelet MPs are able to transfer their microRNA content to recipient cells, and that this content may exert biological activities, those findings suggest that PRT treatment of clinical PCs may modify the bioactivity of the platelets and MPs to be transfused and argue for further investigations into PRT-induced changes in clinical PC content and function.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».