Machine Learning Identifies Cellular and Exosomal MicroRNA Signatures of Lyssavirus Infection in Human Stem Cell-Derived Neurons
Notice bibliographique
Résumé
Despite being vaccine preventable, rabies (lyssavirus) still has a significant impact on global mortality, disproportionally affecting children under 15 years of age. This neurotropic virus is deft at avoiding the immune system while travelling through neurons to the brain. Until recently, research efforts into the role of non-coding RNAs in rabies pathogenicity and detection have been hampered by a lack of human in vitro neuronal models. Here, we utilized our previously described human stem cell-derived neural model to investigate the effect of lyssavirus infection on microRNA (miRNA) expression in human neural cells and their secreted exosomes. Conventional differential expression analysis identified 25 cellular and 16 exosomal miRNAs that were significantly altered (FDR adjusted P-value <0.05) in response to different lyssavirus strains. Supervised machine learning algorithms determined 6 cellular miRNAs (miR-99b-5p, miR-346, miR-5701, miR-138-2-3p, miR-651-5p, and miR-7977) were indicative of lyssavirus infection (100% accuracy), with the first four miRNAs having previously established roles in neuronal function, or panic and impulsivity-related behaviors. Another 4-miRNA signatures in exosomes (miR-25-3p, miR-26b-5p, miR-218-5p, miR-598-3p) can independently predict lyssavirus infected cells with >99% accuracy. Identification of these robust lyssavirus miRNA signatures offers further insight into neural lineage responses to infection and provides a foundation for utilizing exosome miRNAs in the development of next-generation molecular diagnostics for rabies.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».