Validation of reference gene stability for miRNA quantification by reverse transcription quantitative PCR in the peripheral blood of patients with COVID-19 critical illness
Notice bibliographique
Résumé
The COVID-19 pandemic has created an urgency to study the host gene response that leads to variable clinical presentations of the disease, particularly the critical illness response. miRNAs have been implicated in the mechanism of host immune dysregulation and thus hold potential as biomarkers and/or therapeutic agents with clinical application. Hence, further analyses of their altered expression in COVID-19 is warranted. An important basis for this is identifying appropriate reference genes for high quality expression analysis studies. In the current report, NanoString technology was used to study the expression of 798 miRNAs in the peripheral blood of 24 critically ill patients, 12 had COVID-19 and 12 were COVID-19 negative. A list of potentially stable candidate reference genes was generated that included ten miRNAs. The top six were analyzed using reverse transcription quantitative polymerase chain reaction (RT-qPCR) in a total of 41 patients so as to apply standard computational algorithms for validating reference genes, namely geNorm, NormFinder, BestKeeper and RefFinder. There was general agreement among all four algorithms in the ranking of four stable miRNAs: miR-186-5p, miR-148b-3p, miR-194-5p and miR-448. A detailed analysis of their output rankings led to the conclusion that miR-186-5p and miR-148b-3p are appropriate reference genes for miRNA expression studies using PaxGene tubes in the peripheral blood of patients critically ill with COVID-19 disease.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».