Long-term effects of wildfire smoke exposure during early life on the nasal epigenome in rhesus macaques
Notice bibliographique
Résumé
Wildfire smoke is responsible for around 20% of all particulate emissions in the U.S. and affects millions of people worldwide. Children are especially vulnerable, as ambient air pollution exposure during early childhood is associated with reduced lung function. Most studies, however, have focused on the short-term impacts of wildfire smoke exposures. We aimed to identify long-term baseline epigenetic changes associated with early-life exposure to wildfire smoke. We collected nasal epithelium samples for whole genome bisulfite sequencing (WGBS) from two groups of adult female rhesus macaques: one group born just before the 2008 California wildfire season and exposed to wildfire smoke during early-life (n = 8), and the other group born in 2009 with no wildfire smoke exposure during early-life (n = 14). RNA-sequencing was also performed on a subset of these samples. We identified 3370 differentially methylated regions (DMRs) (difference in methylation ≥ 5%, empirical p < 0.05) and 1 differentially expressed gene (FLOT2) (FDR < 0.05, fold of change ≥ 1.2). The DMRs were annotated to genes significantly enriched for synaptogenesis signaling, protein kinase A signaling, and a variety of immune processes, and some DMRs significantly correlated with gene expression differences. DMRs were also significantly enriched within regions of bivalent chromatin (top odds ratio = 1.46, q-value < 3 × 10-6) that often silence key developmental genes while keeping them poised for activation in pluripotent cells. These data suggest that early-life exposure to wildfire smoke leads to long-term changes in the methylome over genes impacting the nervous and immune systems. Follow-up studies will be required to test whether these changes influence transcription following an immune/respiratory challenge.
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) | 0,001 | 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 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 ».