PS-B11-8: ONE NOVEL MIRNA WITH 4 MRNA TARGETS WAS IDENTIFIED IN PERIPHERAL BLOOD MONONUCLEAR CELLS OF HYPERTENSIVE PATIENTS WITH METABOLIC SYNDROME
Notice bibliographique
Résumé
Objective: Hypertension (HTN), metabolic syndrome (MetS) and chronic kidney disease (CKD) are global health disorders that are epidemiologically associated. The immune system plays a role in hypertension and target organ damage. MicroRNAs are crucial post-transcriptional regulators of immune cell development and function. We hypothesized that microRNAs play a role in activation of immune cells in hypertension with target organ damage in humans. Design and method: Normotensive subjects (NTN) and patients with HTN associated or not with at least 2 other features of the MetS or with CKD were studied (n = 15–16). Peripheral blood mononuclear cells (PBMCs) were isolated, RNA extracted, small and total RNA sequencing (RNA-seq) done using Illumina HiSeq-2500 and data analyzed using a systems biology approach. Differentially expressed (DE) microRNAs and mRNAs were identified with fold change (FC) > 2 and > 1.5, respectively, and P < 0.005. The most representative DE miRNA isoforms with RNA-seq count number (CN) > 500, and with predicted targets by TargetScan with CN> 300 were validated by reverse transcription-quantitative PCR (RT-qPCR) in PBMCs. Results: RNA-seq identified DE microRNAs and mRNAs in HTN (22 and 19), MetS (57 and 401) and CKD (6 and 26) compared to NTN. Three of 14 selected miRNAs were validated by RT-qPCR. miR-409–5p and miR-411–5p were decreased respectively by 46% (P < 0.05) and 60% (P < 0.001), whereas the novel miR-pl-86 was increased 2-fold (P < 0.05) in MetS vs NTN. RT-qPCR data showed that tubulin alpha 1a (TUBA1A) predicted as mRNA target for miR-409–5p and miR-411–5p was increased 1.9-fold in MetS vs NTN group (P < 0.05). However, there was no correlation between RT-qPCR and RNA-seq data for TUBA1A. RT-qPCR data validated the decrease of 4 predicted miR-pl-86 targets. WD repeat domain 89 (WDR89), Dmx like 1 (DMXL1), zinc finger protein 600 (ZNF600) and NOC3-like DNA replication regulator (NOC3L) were decreased by ≧ 50% in MetS vs NTN (P < 0.05). RT-qPCR data demonstrated a correlation with RNA-seq data for miR-pl-86 (R2 = 0.37, P < 5.5E-07, n = 56), WDR89 (R2 = 0.29, P < 1.4E-05, n = 57), DMXL1 (R2 = 0.33, P < 2.7E-06, n = 57), ZNF600 (R2 = 0.25, P < 7.9E-05, n = 57), and NOC3L (R2 = 0.27, P < 3.5E-05, n = 57). Conclusion: This study identified one up-regulated novel microRNA and 4 down-regulated mRNA targets in PBMCs of patients with HTN and MetS. The role of this miRNA and mRNAs in immune cells of HTN patients with MetS needs to be determined.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».