MétaCan
Menu
Retour à la cohorte
Enregistrement W3093941788 · doi:10.3390/ijms21217920

Identification of Ovine Serum miRNAs Following Bacterial Lipopolysaccharide Challenge

2020· article· en· W3093941788 sur OpenAlexafffund
Ankita Sharma, Umesh K. Shandilya, Tianna Sullivan, Danielle Naylor, Ángela Cánovas, Bonnie A. Mallard, Niel A. Karrow

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesMitacs
Mots-clésLipopolysaccharidemicroRNAIdentification (biology)BiologyComputational biologyMicrobiologyMedicineImmunologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Host–pathogen interactions are complex and influenced by host genetic and epigenetic modifications. Recently, the significance of microRNAs (miRNAs) in pathogenic infection and the regulation of immune response has been highlighted. However, information on miRNAs’ role in the course of inflammation is still very limited in small ruminants. The present study was intended to identify changes in the expression of circulatory miRNAs post-lipopolysaccharide (LPS)-challenge. In this study, young ewes (n = 18) were challenged with Escherichia coli LPS (400 ng/kg i.v.) and blood samples were collected for serum miRNA isolation at two-time points; prior to challenge (T0), and 4 h (T4) post-challenge, reflecting the peak cortisol response. A total of 91 miRNAs were profiled, including 84 miRNAs on a commercial ovine miRNA-PCR array, and seven individual miRNAs. Forty five miRNAs were differentially expressed (DE) with 35 being up-regulated (Fold regulation, FR > 2) and 10 being down-regulated (FR < 1, p < 0.05) at T4. Among the up-regulated miRNAs, 14 were significantly (p < 0.05) induced, including oar-miRs: 369-3p, 495-3p, 376a-3p, 543-3p, 668-3p, 329a-3p, 655-3p, 411a-5p, and 154a-3p, which were located on ovine chromosome 18 forming four miRNA clusters within 10 kb. The elevated miRNAs belonged to different functional classes, playing roles in activating the hypothalamic-pituitary-adrenal axis; increasing cell survival and differentiation; and inducing inflammatory responses and targeted PI3K-Akt and MAPK signaling and chemokine signaling pathways. In summary, these results reveal the dynamic nature of ovine serum miRNAs during LPS-induced stress and highlight the potential role of identified miRNA-clusters on chromosome 18 to understand the regulation of the acute-phase response. Some of these identified circulating miRNAs may also serve as stress biomarkers for livestock in the future.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,282
Écart entre enseignants0,267 · 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

Citations20
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetMicroRNA in disease regulationTravaux en français237 207