Transcriptome analysis in mouse skin after exposure to ultraviolet radiation from a canopy sunbed
Notice bibliographique
Résumé
Abstract Exposure to ultraviolet radiation (UV‐R), from both natural and artificial tanning, heightens the risk of skin cancer by inducing molecular changes in cells and tissues. Despite established transcriptional alterations at a molecular level due to UV‐R exposure, uncertainties persist regarding UV radiation characterization and subsequent genomic changes. Our study aimed to mechanistically explore dose‐ and time‐dependent gene expression changes, that may drive short‐term (e.g., sunburn) and long‐term actinic (e.g., skin cancer) consequences. Using C57BL/6N mouse skin, we analyzed transcriptomic expression following exposure to five erythemally weighted UV‐R doses (0, 5, 10, 20, and 40 mJ/cm 2 ) emitted by a UV‐R tanning device. At 96 h post‐exposure, 5 mJ/cm 2 induced 116 statistically significant differentially expressed genes (DEGs) associated with structural changes from UV‐R damage. The highest number of significant gene expression changes occurred at 6 and 48 h post‐exposure in the 20 and 40 mJ/cm 2 dose groups. Notably, at 40 mJ/cm 2 , 13 DEGs related to skin barrier homeostasis were consistently perturbed across all timepoints. UV‐R exposure activated pathways involving oxidative stress, P53 signaling, inflammation, biotransformation, skin barrier maintenance, and innate immunity. This in vivo study's transcriptional data offers mechanistic insights into both short‐term and potential non‐threshold‐dependent long‐term health effects of UV‐R tanning.
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 | 0,000 |
| 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) | 0,001 | 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 ».