Circulating small RNA signatures differentiate accurately the subtypes of muscular dystrophies: small-RNA next-generation sequencing analytics and functional insights
Notice bibliographique
Résumé
Muscular dystrophies are a group of rare and severe inherited disorders mainly affecting the muscle tissue. Duchene Muscular Dystrophy, Myotonic Dystrophy types 1 and 2, Limb Girdle Muscular Dystrophy and Facioscapulohumeral Muscular Dystrophy are some of the members of this family of disorders. In addition to the current diagnostic tools, there is an increasing interest for the development of novel non-invasive biomarkers for the diagnosis and monitoring of these diseases. miRNAs are small RNA molecules characterized by high stability in blood thus making them ideal biomarker candidates for various diseases. In this study, we present the first genome-wide next-generation small RNA sequencing in serum samples of five different types of muscular dystrophy patients and healthy individuals. We identified many small RNAs including miRNAs, lncRNAs, tRNAs, snoRNAs and snRNAs, that differentially discriminate the muscular dystrophy patients from the healthy individuals. Further analysis of the identified miRNAs showed that some miRNAs can distinguish the muscular dystrophy patients from controls and other miRNAs are specific to the type of muscular dystrophy. Bioinformatics analysis of the target genes for the most significant miRNAs and the biological role of these genes revealed different pathways that the dysregulated miRNAs are involved in each type of muscular dystrophy investigated. In conclusion, this study shows unique signatures of small RNAs circulating in five types of muscular dystrophy patients and provides a useful resource for future studies for the development of miRNA biomarkers in muscular dystrophies and for their involvement in the pathogenesis of the disorders.
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 ».