Differences between common endothelial cell models (primary human aortic endothelial cells and EA.hy926 cells) revealed through transcriptomics, bioinformatics, and functional analysis
Notice bibliographique
Résumé
Endothelial cells (ECs) are involved in various physiological process. Both primary human ECs and immortal endothelial cells are used in various studies. Available genomic or transcriptomic information for difference in ECs is deficient. Therefore, in this study we aim to reveal the difference between primary human aortic ECs (HAECs) and immortal EA.hy926 cells. We identified 529 differentially expressed genes (DEGs) between HAECs and EA.hy926 cells. Gene Ontology (GO), KEGG Pathway and GSEA enrichment analysis suggest that DEGs highly expressed in HAECs are distributed in Rap1 signaling pathway and Ras signaling pathway, which are contributing to the endothelial barrier function and endocytosis, among other functions. We also established long non-coding (lncRNA)-miRNA-mRNA ceRNA network, and further set up protein–protein interaction (PPI) network. High-density lipoprotein (HDL) cellular association experiments were verified that HAECs have stronger response to HDL cellular binding and endocytosis compared to EA.hy926 cells. This study identified DEGs between HAECs and EA.hy926 cells, and found enrichment of the Ras signaling pathway and Rap1 signaling pathway in HAECs, established ceRNA network and suggested that HAECs may have a stronger response to endothelial binding and endocytosis compared to EA.hy926 cells. This work provides a genomic basis to choose suitable EC model to reach respective research goals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».