Elevated baseline expression of seven virulence factor RNA transcripts in visceralizing species of <i>Leishmania</i> : a preliminary quantitative PCR study
Notice bibliographique
Résumé
Introduction: Leishmaniasis is a neglected tropical disease that manifests as three major disease phenotypes: cutaneous, mucocutaneous, and visceral. In this preliminary study, we quantified virulence factor (VF) RNA transcript expression in Leishmania species, stratified by geographic origin and propensity for specific disease phenotypes. Methods: Cultured promastigotes of 19 Leishmania clinical and ATCC isolates were extracted for total cellular RNA, cDNA was reverse transcribed, and qPCR assays were performed to quantify VF RNA transcript expression for hsp23, hsp70, hsp83, hsp100, mpi, cpb, and gp63. Results: Comparison of visceralizing species (Leishmania donovani, Leishmania chagasi, and Leishmania infantum) versus non-visceralizing species [Leishmania (Viannia) spp., Leishmania tropica, Leishmania major, Leishmania mexicana, and Leishmania amazonensis] revealed a significantly greater pooled transcript expression for visceralizing species (p = 0.0032). Similarly, Old World species demonstrated significantly higher VF RNA transcript expression than New World species (p = 0.0015). On a per-gene basis, species with a propensity to visceralize ubiquitously expressed higher levels of gp63 (p = 0.005), cpb (p = 0.0032), mpi (p = 0.0032), hsp23 (p = 0.0039), hsp70 (p = 0.0032), hsp83 (p = 0.0032), and hsp100 (p = 0.0032). Conclusion: Here, we provide quantitative, preliminary evidence of elevated VF RNA transcript expression driven largely by the visceralizing causative species of Leishmania. This work highlights the extensive heterogeneity in pathogenicity mechanisms between Leishmania species, which may partly underpin the fatal progression of visceral leishmaniasis.
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 | 0,001 | 0,001 |
| 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 ».