MétaCan
Menu
Retour à la cohorte
Enregistrement W3202091123 · doi:10.1161/hyp.70.suppl_1.p122

Abstract P122: Plasma Circulating microRNAs as Potential Biomarkers in Chronic Kidney Disease

2017· article· en· W3202091123 sur OpenAlexaff
Olga Berillo, Ku-Geng Huo, Júlio C Fraulob-Aquino, Chantal Richer, Asia Rehman, Marie Briet, Pierre Boutouyrie, Mark L. Lipman, Daniel Sinnett, Pierre Paradis, Ernesto L. Schiffrin

Notice bibliographique

RevueHypertension · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-JustineJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésKidney diseaseMedicineBlood pressureInternal medicinemicroRNADiseaseRenal functionStage (stratigraphy)EpidemiologyRNABioinformaticsEndocrinologyOncologyBiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Background: Chronic kidney disease (CKD) is a global health burden with a worldwide prevalence of 13.4% for stage 5 and 10.6% for stage 3-5. There is an epidemiological association between hypertension (HTN) and CKD. The prevalence of high blood pressure (BP) has been reported to be over 85% in stage 3 and over 90% in stage 4-5 CKD patients. Circulating cell-free small non-coding RNAs called microRNA (miRNA) have been shown to associate with different pathologies including cancer and cardiovascular disease, and accordingly possesses potential to serve as biomarkers with clinical application. We aimed to identify differentially expressed (DE) miRNAs that may be related to CKD. Methods and Results: Normotensive, HTN (systolic BP > 135 mmHg or diastolic BP of 85-115 mmHg with BPtru) and CKD (estimated glomerular filtration rate (eGFR) < 60mL/min/m 2 ) subjects (n=15-16 per group) were studied. Platelet-free plasma was isolated by a 2-step centrifugation (1000xg followed by 10,000xg) from 6 ml total blood. Plasma miRNAs were extracted using the QIAamp Circulating Nucleic Acid Kit. The quantity and quality of RNA were assessed using an Agilent 2100 Bioanalyzer. cDNA libraries were prepared using the TruSeq Small RNA Library Prep Kit, and sequenced with the HiSeq 2500 platform. FastQC was used for quality control. Sequences were mapped by STAR to the hg38 genome and annotated by miRDeep2. DE miRNAs were identified using EdgeR, which found 6 up-regulated and 3 down-regulated miRNAs uniquely associated with the HTN group, 2 up-regulated and 12 down-regulated miRNAs uniquely associated with the CKD group and 3 down-regulated miRNAs in both groups ( P <0.01 & q<0.1). Two down-regulated miRNAs in the HTN group, miR-26a-5p (r=-0.33, P <0.05) and miR-151a-5p (r=-0.33, P <0.05), were correlated with SBP. One up-regulated miRNA in CKD group, let-7g-5p (r=0.31, P <0.05), was correlated with eGFR. Conclusions and Perspectives: DE platelet-free plasma miRNAs were identified in HTN and CKD patients. Some miRNAs may have the potential to serve as biomarkers in CKD.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,014
Tête enseignante GPT0,251
Écart entre enseignants0,237 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHypertensionMême sujetMicroRNA in disease regulationTravaux en français237 207