MicroRNA Regulation of Messenger RNA in Lung Neuroendocrine Cell Lines
Notice bibliographique
Résumé
Introduction: Lung neuroendocrine neoplasms (NENs) are rare lung cancers whose pathomechanisms are poorly understood. MicroRNAs (miRNAs) are small, non-coding RNAs (19-24 nucleotides in length) that negatively regulate messenger RNA (mRNA) expression. Each miRNA targets a specific set of mRNAs to regulate. To better understand the molecular biology of lung NENs, we investigated miRNA-mediated mRNA regulation in NEN and non-NEN cell lines. Methods: NEN and non-NEN cell line expression profiles were relative frequency normalized before undergoing outlier and batch detection. We identified the top 1% most highly expressed miRNAs in all cell lines, NEN cell lines, and non-NEN cell lines. Next, we identified differentially expressed miRNAs and mRNAs between NEN and non-NEN types. We used the Bio-miRTa target prediction algorithm to identify the putative mRNA targets of key miRNAs. Key miRNAs are miRNAs uniquely expressed in NENs compared to non-NENs types. We subsequently determined the likely biological pathways of the predicted targets using the g:Profiler software. Results: High and differential expression analyses identified miRs-375, -200c, -100, -141, and -7 to be the key miRNAs in lung NEN cell lines compared to non-NEN types. 8014 differentially expressed mRNAs were identified between NEN and non-NEN types. 3916 predicted mRNA targets were identified, which collectively participated in pathways from 21 different categories of cellular function. Discussion: Comparisons between NEN and non-NEN cell lines identified the key miRNAs of lung NENs to be miRs-375, -200c, -100, -141, and -7. The identified biological pathways of the predicted targets highlight the functional differences between NENs and non-NENs. Conclusions: Our high and differential expression analyses results identified the key miRNAs in lung NEN cell lines. The biological pathways of the predicted mRNA targets of key miRNAs were also identified. The results generated in this study help to differentiate NENs from non-NENs, which provides a deeper insight into the pathomechanisms of lung NENs. These results also expand our current knowledge in lung NEN biology, which may facilitate the future development of NEN specific drugs and diagnostic tests.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».