Salivary proteomic profile of dogs with and without dental calculus
Notice bibliographique
Résumé
BACKGROUND: Dogs' saliva is a complex mixture of inorganic and organic constituents, rich in proteins. Therefore, knowing the saliva composition of these animals is extremely important to identify the presence of proteins that may be involved in physiological and pathological mechanisms of their oral cavity. The present study aimed to characterize the proteomic profile of saliva from dogs with and without dental calculus. RESULTS: Saliva samples were collected from 20 dogs. Before the collection, a visual clinical examination was performed and 8 subjects (40%) did not present any signs of dental calculus, while 12 (60%) presented dental calculus. After saliva collection, the samples were submitted to protein quantification (mBCA), and then they were prepared for analysis by nLC-ESI-MS/MS. A total of 658 unique proteins were identified, of which 225 were specific to dogs without dental calculus, 300 were specific to dogs with dental calculus, and 133 were common to all subjects. These proteins presented functions including transportation, immune response, structural, enzymatic regulation, signal transduction, transcription, metabolism, and some proteins perform functions as yet unknown. Several salivary proteins in dogs with dental calculus differed from those found in the group without dental calculus. Among the abundant proteins detected in periodontal affected cases, can be highlighting calcium-sensing receptor and transforming growth factor beta. Enrichment analysis reveled the presence of Rho GTPases signaling pathway. CONCLUSIONS: This research identified salivary proteins, that should be further investigated as potencial biomarkers of chronic periodontits with dental calculus formation in dogs.
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 | 0,000 |
| 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 ».