Expression of risk genes linked to vitamin D receptor super-enhancer regions and their association with phenotype severity in multiple sclerosis
Notice bibliographique
Résumé
Multiple sclerosis (MS) is a chronic debilitating neurological condition with a wide range of phenotype variability. A complex interplay of genetic and environmental factors contributes to disease onset and progression in MS patients. Vitamin D deficiency is a known susceptibility factor for MS, however the underlying mechanism of vitamin D-gene interactions in MS etiology is still poorly understood. Vitamin D receptor super-enhancers (VSEs) are enriched in MS risk variants and may modulate these environment-gene interactions. mRNA expression in total of 64 patients with contrasting MS severity was quantified in select genes. First, RNA-seq was performed on a discovery cohort (10 mild, 10 severe MS phenotype) and ten genes regulated by VSEs that have been linked to MS risk were analyzed. Four candidates showed a significant positive association (GRINA, PLEC, PARP10, and LRG1) in the discovery cohort and were then quantified using digital droplet PCR (ddPCR) in a validation cohort (33 mild, 11 severe MS phenotype). A significant differential expression persisted in the validation cohort for three of the VSE-MS genes: GRINA ( p = 0.0138), LRG1 ( p = 0.0157), and PLEC ( p = 0.0391). In summary, genes regulated by VSE regions that contain known MS risk variants were shown to have differential expression based on disease severity (p<0.05). The findings implicate a role for vitamin D super-enhancers in modulating disease activity. In addition, expression levels may have some utility as prognostic biomarkers in the future.
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 ».