Long non-coding RNA rhabdomyosarcoma 2-associated transcript contributes to neuropathic pain by recruiting HuR to stabilize DNA methyltransferase 3 alpha mRNA expression in dorsal root ganglion neuron
Notice bibliographique
Résumé
Introduction Long non-coding RNAs (lncRNAs) act as key regulators in multiple human diseases. In particular, the dysfunction of lncRNAs in dorsal root ganglion (DRG) contributes to the pathogenesis of neuropathic pain (NP). Nevertheless, the role and mechanism of most lncRNAs in NP remain unclear. Methods Two classic chronic NP models, including L4 spinal nerve ligation (SNL) model and chronic constriction injury (CCI) of the sciatic nerve, were performed. Mechanical allodynia and heat hyperalgesia were used to evaluate neuropathic pain. DRG microinjection was used to deliver agents into DRG. qRT-PCR, immunofluorescence, immunoprecipitation, western blotting, siRNA transfection, AAV transduction were performed to investigate the phenotypes and molecular basis. Results Here, we discovered that Rmst as a lncRNA was specifically expressed in Atf3 + injured DRG neurons and significantly upregulated following peripheral nerve damage. Rmst overexpression by direct DRG injection of AAV5- Rmst causes neuropathic symptoms in the absence of nerve damage. Conversely, blocking Rmst expression in injured DRGs alleviated nerve injury-induced pain hypersensitivities and downregulated Dnmt3a expression. Furthermore, we found peripheral nerve damage induced Rmst increase could interact with RNA-binding protein HuR to stabilize the Dnmt3a mRNA. Conclusion Our findings reveal a crucial role of Rmst in damaged DRG neurons under NP condition and provide a novel target for drug development against NP.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».