Identifying functionally relevant candidate genes for inflexible ethanol intake in mice and humans using a guilt‐by‐association approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Gene prioritization approaches are useful tools to explore and select candidate genes in transcriptome studies. Knowing the importance of processes such as neuronal activity, intracellular signal transduction, and synapse plasticity to the development and maintenance of compulsive ethanol drinking, the aim of the present study was to explore and identify functional candidate genes associated with these processes in an animal model of inflexible pattern of ethanol intake. To do this, we applied a guilt-by-association approach, using the GUILDify and ToppGene software, in our previously published microarray data from the prefrontal cortex (PFC) and striatum of inflexible drinker mice. We then tested some of the prioritized genes that showed a tissue-specific pattern in postmortem brain tissue (PFC and nucleus accumbens (NAc)) from humans with alcohol use disorder (AUD). In the mouse brain, we prioritized 44 genes in PFC and 26 in striatum, which showed opposite regulation patterns in PFC and striatum. The most prioritized of them (i.e., Plcb1 and Prkcb in PFC, and Dnm2 and Lrrk2 in striatum) were associated with synaptic neuroplasticity, a neuroadaptation associated with excessive ethanol drinking. The identification of transcription factors among the prioritized genes suggests a crucial role for Irf4 in the pattern of regulation observed between PFC and striatum. Lastly, the differential transcription of IRF4 and LRRK2 in PFC and nucleus accumbens in postmortem brains from AUD compared to control highlights their involvement in compulsive ethanol drinking in humans and mice.
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.
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 découle