Analysis of mRNA-lncRNA and mRNA-lncRNA-Pathway co-expression networks based on WGCNA in developing pediatric sepsis
Notice bibliographique
Résumé
Abstract Background: Pediatric sepsis is a great threat in death worldwide. However, the pathogenesis has not been clearly understood until now in sepsis. Methods: This study identified differentially expressed mRNA (DEMs) and lncRNAs (DELs) based on Gene Expression Omnibus (GEO) database. And the weighted gene co-expression network analysis (WGCNA) was performed to explore co-expression modules associated with pediatric sepsis. Then Gene Ontology (GO), KEGG (Kyoto Encyclopedia of Genes and Genomes) pathway, DEMs‑DELs and DEMs‑DELs-Pathway co-expression network analysis was conducted in selected significant module. Results: A total of 1941 DEMs and 225 DELs were used to conduct WGCNA. And the turquoise module was selected as the significant module that was associated with particular traits. The DEMs functions associated with many vital processes were also shown by GO and KEGG pathway analysis in the turquoise module. Finally, 15 DEMs and 4 DELs (GSEC, NONHSAT160878.1, XR_926068.1 and RARA-AS1) were selected as candidate biomarkers in DEMs-DELs-Pathway co-expression network. Conclusions: Our study identified 15 DEMs and 4 DELs as diagnostic markers, which could also provide more directions to study molecular mechanism of pediatric sepsis.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».