MétaCan
Menu
Retour à la cohorte
Enregistrement W3091903980 · doi:10.1038/s41598-020-74121-w

Genetic regulation of gene expression of MIF family members in lung tissue

2020· article· en· W3091903980 sur OpenAlexaff
Laura Florez‐Sampedro, Corry‐Anke Brandsma, Maaike de Vries, Wim Timens, Rene Bults, Cornelis J. Vermeulen, Maarten van den Berge, Ma’en Obeidat, Philippe Joubert, David C. Nickle, Gerrit J. Poelarends, Alen Faiz, Barbro N. Melgert

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueMacrophage Migration Inhibitory Factor
Établissements canadiensSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMacrophage migration inhibitory factorCOPDSingle-nucleotide polymorphismSNPPathogenesisImmunologyGene expressionGenome-wide association studyBiologyMedicineGeneInternal medicineGeneticsCytokineGenotype

Résumé

récupéré en direct d'OpenAlex

Macrophage migration inhibitory factor (MIF) is a cytokine found to be associated with chronic obstructive pulmonary disease (COPD). However, there is no consensus on how MIF levels differ in COPD compared to control conditions and there are no reports on MIF expression in lung tissue. Here we studied gene expression of members of the MIF family MIF, D-Dopachrome Tautomerase (DDT) and DDT-like (DDTL) in a lung tissue dataset with 1087 subjects and identified single nucleotide polymorphisms (SNPs) regulating their gene expression. We found higher MIF and DDT expression in COPD patients compared to non-COPD subjects and found 71 SNPs significantly influencing gene expression of MIF and DDTL. Furthermore, the platform used to measure MIF (microarray or RNAseq) was found to influence the splice variants detected and subsequently the direction of the SNP effects on MIF expression. Among the SNPs found to regulate MIF expression, the major LD block identified was linked to rs5844572, a SNP previously found to be associated with lower diffusion capacity in COPD. This suggests that MIF may be contributing to the pathogenesis of COPD, as SNPs that influence MIF expression are also associated with symptoms of COPD. Our study shows that MIF levels are affected not only by disease but also by genetic diversity (i.e. SNPs). Since none of our significant eSNPs for MIF or DDTL have been described in GWAS for COPD or lung function, MIF expression in COPD patients is more likely a consequence of disease-related factors rather than a cause of the disease.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 Opus0,013
Tête enseignante GPT0,239
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMacrophage Migration Inhibitory FactorTravaux en français237 207