MétaCan
Menu
Retour à la cohorte
Enregistrement W4313544783 · doi:10.1002/wsbm.1594

Comparing <scp>RNA</scp>‐sequencing datasets from astrocytes, oligodendrocytes, and microglia in multiple sclerosis identifies novel dysregulated genes relevant to inflammation and myelination

2023· review· en· W4313544783 sur OpenAlexafffund
Sienna Drake, Aliyah Zaman, Tristan Simas, Alyson E. Fournier

Notice bibliographique

RevueWIREs Mechanisms of Disease · 2023
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesMultiple Sclerosis Society of CanadaInstitute of Neurosciences, Mental Health and AddictionMyelin Repair Foundation
Mots-clésMicrogliaMultiple sclerosisBiologyInflammationImmune systemCell sortingLaser capture microdissectionOligodendrocyteMyelinWhite matterCentral nervous systemNeuroscienceGeneCellImmunologyGene expressionMedicineGenetics

Résumé

récupéré en direct d'OpenAlex

Central nervous system (CNS) inflammation is a key factor in multiple sclerosis (MS). Invasion of peripheral immune cells into the CNS resulting from an unknown signal or combination of signals results in activation of resident immune cells and the hallmark feature of the disease: demyelinating lesions. These lesion sites are an amalgam of reactive peripheral and central immune cells, astrocytes, damaged and dying oligodendrocytes, and injured neurons and axons. Sustained inflammation affects cells directly located within the lesion site and further abnormalities are apparent diffusely throughout normal-appearing white matter and grey matter. It is only relatively recently, using animal models, new tissue sampling techniques, and next-generation sequencing, that molecular changes occurring in CNS resident cells have been broadly captured. Advances in cell isolation through Fluorescence Activated Cell Sorting (FACS) and laser-capture microdissection together with the emergence of single-cell sequencing have enabled researchers to investigate changes in gene expression in astrocytes, microglia, and oligodendrocytes derived from animal models of MS as well as from primary patient tissue. The contribution of some dysregulated pathways has been followed up in individual studies; however, corroborating results often go unreported between sequencing studies. To this end, we have consolidated results from numerous RNA-sequencing studies to identify and review novel patterns of differentially regulated genes and pathways occurring within CNS glial cells in MS. This article is categorized under: Neurological Diseases > Molecular and Cellular Physiology.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,288
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWIREs Mechanisms of DiseaseMême sujetNeuroinflammation and Neurodegeneration MechanismsTravaux en français237 207