Increased Serum Mir-150-3p Expression Is Associated with Radiological Lung Injury Improvement in Patients with COVID-19
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) is caused by the SARS-CoV-2 virus, responsible for an atypical pneumonia that can progress to acute lung injury. MicroRNAs are small non-coding RNAs that control specific genes and pathways. This study evaluated the association between circulating miRNAs and lung injury associated with COVID-19. Methods: We evaluated lung injury by computed tomography at hospital admission and discharge and the serum expression of 754 miRNAs using the TaqMan OpenArray after hospital discharge in 27 patients with COVID-19. In addition, miR-150-3p was validated by qRT-PCR on serum samples collected at admission and after hospital discharge. Results: OpenArray analysis revealed that seven miRNAs were differentially expressed between groups of patients without radiological lung improvement compared to those with lung improvement at hospital discharge, with three miRNAs being upregulated (miR-548c-3p, miR-212-3p, and miR-548a-3p) and four downregulated (miR-191-5p, miR-151a-3p, miR-92a-3p, and miR-150-3p). Bioinformatics analysis revealed that five of these miRNAs had binding sites in the SARS-CoV-2 genome. Validation of miR-150-3p by qRT-PCR confirmed the OpenArray results. Conclusions: The present study shows the potential association between the serum expression of seven miRNAs and lung injury in patients with COVID-19. Furthermore, increased expression of miR-150 was associated with pulmonary improvement at hospital discharge.
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 ».