DIFFERENTIALLY EXPRESSED MICRORNAS AND THEIR TARGETS WERE IDENTIFIED IN PERIPHERAL BLOOD MONONUCLEAR CELLS OF PATIENTS WITH HYPERTENSION ASSOCIATED OR NOT WITH TARGET ORGAN DAMAGE
Notice bibliographique
Résumé
Objective: Hypertension is associated with subclinical target organ damage including cardiac, vascular and kidney injury. The immune system plays a role in HTN and target organ damage in animal models. Activation of T cells has been reported among peripheral blood mononuclear cells (PBMCs) of patients with HTN. MicroRNAs are crucial post-transcriptional regulators of immune cells. Whether microRNAs play a role in the activation of immune cells in HTN complicated by target organ damage in humans remains unknown. We aimed to address this question by identifying differentially expressed (DE) microRNAs and their mRNA and non-coding RNA (ncRNA) targets in PBMCs of patients with HTN complicated or not with target organ damage. mRNA targets of DE microRNAs were predicted with TargetScan using the inversely related DE mRNAs as a filter to improve prediction efficiency. Design and method: Normotensive (NTN), hypertensive patients (HTN) and patients with HTN associated with at least 2 other features of the metabolic syndrome (MetS) or with chronic kidney disease (CKD) grades 3-4 were studied (n = 15-16 in each group). PBMCs were isolated from blood, RNA extracted for RNA sequencing (RNA-seq) using Illumina HiSeq-2500 and data were analyzed using a systems biology approach. DE genes microRNAs and mRNAs were identified with fold change (FC) >1.5 and P < 0.005. DE miRNAs with FC >2 and RNA-seq count number (CM) >500, and with predicted targets with CM >300 were validated by reverse transcription-quantitative PCR (RT-qPCR). Results: DE microRNAs, mRNAs and other ncRNAs were identified by RNA-seq in HTN (22, 19 and 0), MetS (57, 401 and 11) and CKD (6, 26 and 2) compared to NTN. TargetScan predicted that 7 microRNAs target 3 mRNAs in NTN, 57 microRNAs target 55 mRNAs in MetS and 3 microRNA target 2 mRNAs in CKD. Three of 14 selected miRNAs were validated by RT-qPCR: miR-409-5p (46% down, P < 0.05) and miR-411-5p (60% down, P < 0.001) and novel miR-pl-86 (2-fold up, P < 0.05) in MetS vs NTN. Conclusions: RNA-seq and RT-qPCR validation showed that DE miR-409-5p, miR-411-5p and the novel miR-pl-86 may play a role in HTN associated with MetS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».