MicroRNAs in tear fluids predict underlying molecular changes associated with Alzheimer’s disease
Notice bibliographique
Résumé
Extracellular circulating microRNAs (miRNAs) have been discussed as potential biomarkers for Alzheimer's disease (AD) diagnosis. As the retina is a part of the CNS, we hypothesize that miRNAs expression levels in the brain, particularly neocortex-hippocampus, eye tissues, and tear fluids are similar at different stages of AD progression. Ten miRNA candidates were systematically investigated in transgenic APP-PS1 mice, noncarrier siblings, and C57BL/6J wild-type controls at young and old ages. Relative expression levels of tested miRNAs revealed a similar pattern in both APP-PS1 mice and noncarrier siblings when compared with age- and sex-matched wild-type controls. However, the differences seen in expression levels between APP-PS1 mice and noncarrier siblings could possibly have resulted from underlying molecular etiology of AD. Importantly, miRNAs associated with amyloid beta (Aβ) production (-101a, -15a, and -342) and proinflammation (-125b, -146a, and -34a) showed significant up-regulations in the tear fluids with disease progression, as tracked by cortical Aβ load and reactive astrogliosis. Overall, for the first time, the translational potential of up-regulated tear fluid miRNAs associated with AD pathogenesis was comprehensively demonstrated.
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 | 0,001 |
| 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 ».