From tuberculosis bedside to bench: UBE2B splicing as a potential biomarker and its regulatory mechanism
Notice bibliographique
Résumé
Alternative splicing (AS) is an important approach for pathogens and hosts to remodel transcriptome. However, tuberculosis (TB)-related AS has not been sufficiently explored. Here we presented the first landscape of TB-related AS by long-read sequencing, and screened four AS events (S100A8-intron1-retention intron, RPS20-exon1-alternaitve promoter, KIF13B-exon4-skipping exon (SE) and UBE2B-exon7-SE) as potential biomarkers in an in-house cohort-1. The validations in an in-house cohort-2 (2274 samples) and public datasets (1557 samples) indicated that the latter three AS events are potential promising biomarkers for TB diagnosis, but not for TB progression and prognosis. The excellent performance of classifiers further underscored the diagnostic value of these three biomarkers. Subgroup analyses indicated that UBE2B-exon7-SE splicing was not affected by confounding factors and thus had relatively stable performance. The splicing of UBE2B-exon7-SE can be changed by heat-killed mycobacterium tuberculosis through inhibiting SRSF1 expression. After heat-killed mycobacterium tuberculosis stimulation, 231 ubiquitination proteins in macrophages were differentially expressed, and most of them are apoptosis-related proteins. Taken together, we depicted a global TB-associated splicing profile, developed TB-related AS biomarkers, demonstrated an optimal application scope of target biomarkers and preliminarily elucidated mycobacterium tuberculosis-host interaction from the perspective of splicing, offering a novel insight into the pathophysiology of TB.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».