<scp>miRNA</scp> repertoires of cystic fibrosis <i>ex vivo</i> models highlight <scp>miR‐181a</scp> and <scp>miR</scp>‐101 that regulate <scp>WISP1</scp> expression
Notice bibliographique
Résumé
Cystic fibrosis (CF), a genetic disorder, is characterized by chronic lung disease. Small non-coding RNAs are key regulators of gene expression and participate in various processes, which are dysregulated in CF; however, they remain poorly studied. Here, we determined the complete microRNAs (miRNAs) expression pattern in three CF ex vivo models. The miRNA profiles of air-liquid interface cultures of airway epithelia (bronchi, nasal cells, and nasal polyps) samples from patients with CF and non-CF controls were obtained by deep sequencing. Compared with non-CF controls, several miRNAs were deregulated in CF samples; for instance, miR-181a-5p and the miR-449 family were upregulated. Moreover, mature miRNAs often showed variations (i.e. isomiRs) relative to their reference sequence, such as miR-101, suggesting that miRNAs consist of heterogeneous repertoires of multiple isoforms with different effects on gene expression. Analysis of miR-181a-5p and miR-101-3p roles indicated that they regulate the expression of WISP1, a key component of cell proliferation/migration programs. We showed that miR-101 and miR-181a-5p participated in aberrant recapitulation of wound healing programs by controlling WISP1 mRNA and protein level. Our miRNA expression data bring new insights into CF physiopathology and define new potential therapeutic targets in CF. © 2020 The Pathological Society of Great Britain and Ireland. Published by John Wiley & Sons, Ltd.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».