Cutaneous microRNA expression in healthy Labrador and Golden retrievers and retrievers with allergic and inflammatory skin diseases
Notice bibliographique
Résumé
BACKGROUND: MicroRNAs (miRNA) are short, single-stranded RNA molecules that regulate gene expression in a post-transcriptional manner. Their expression is proposed to be tissue-specific and alterations in miRNA expression have been detected in many diseases. OBJECTIVE: To compare miRNA expression in the skin of healthy Labrador and golden retrievers, and those with allergic and nonallergic dermatitis. METHODS AND MATERIALS: Formalin-fixed and paraffin-embedded (FFPE) skin specimens from seven healthy Labrador and golden retrievers, and seven dogs with allergic skin disease were collected. A further mixed nonallergic inflammation group consisted of samples from five dogs with fungal infection, demodicosis and mast cell tumours. Total RNA was extracted and miRNA primer assays for 18 target miRNAs (miR-142, miR-363, miR-18b, miR-451, miR-146a, miR-124, miR-409, miR-193b, miR-223, miR-215, miR-155, miR-423a, miR-143, miR-1839, miR-21, miR-34b, miR-146b and miR-202) were performed, with RNU6-2 and SNORD95 as miRNAs for normalisation. The selection of miRNAs for investigation was based on reported data and a pilot study evaluating miRNA extraction from FFPE tissue specimens. RESULTS: In the two dogs with mast cell tumours, miRNA expression was undetermined for most miRNAs, so both were excluded from analysis. Although there were differences in the miRNA expression between healthy and inflamed skin, allergic and nonallergic inflammation showed similar expression patterns. CONCLUSION AND CLINICAL RELEVANCE: Although the number of included dogs was small, based on this study, none of the evaluated miRNAs allowed differentiation of allergic dermatitis from other inflammatory skin diseases in retriever dogs.
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 | 0,000 | 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 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 ».