Identification of Radiation-Induced miRNA Biomarkers Using the CGL1 Cell Model System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
MicroRNAs (miRNAs) have emerged as a potential class of biomolecules for diagnostic biomarker applications. miRNAs are small non-coding RNA molecules, produced and released by cells in response to various stimuli, that demonstrate remarkable stability in a wide range of biological fluids, in extreme pH fluctuations, and after multiple freeze–thaw cycles. Given these advantages, identification of miRNA-based biomarkers for radiation exposures can contribute to the development of reliable biological dosimetry methods, especially for low-dose radiation (LDR) exposures. In this study, an miRNAome next-generation sequencing (NGS) approach was utilized to identify novel radiation-induced miRNA gene changes within the CGL1 human cell line. Here, irradiations of 10, 100, and 1000 mGy were performed and the samples were collected 1, 6, and 24 h post-irradiation. Corroboration of the miRNAome results with RT-qPCR verification confirmed the identification of numerous radiation-induced miRNA expression changes at all doses assessed. Further evaluation of select radiation-induced miRNAs, including miR-1228-3p and miR-758-5p, as well as their downstream mRNA targets, Ube2d2, Ppp2r2d, and Id2, demonstrated significantly dysregulated reciprocal expression patterns. Further evaluation is needed to determine whether the candidate miRNA biomarkers identified in this study can serve as suitable targets for radiation biodosimetry applications.
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.
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 découle