Profiling Small RNA From Brain Extracellular Vesicles in Individuals With Depression
Notice bibliographique
Résumé
BACKGROUND: Major depressive disorder (MDD) is a leading cause of disability with significant mortality risk. Despite progress in our understanding of the etiology of MDD, the underlying molecular changes in the brain remain poorly understood. Extracellular vesicles (EVs) are lipid-bound particles that can reflect the molecular signatures of the tissue of origin. We aimed to optimize a streamlined EV isolation protocol from postmortem brain tissue and determine whether EV RNA cargo, particularly microRNAs (miRNAs), have an MDD-specific profile. METHODS: EVs were isolated from postmortem human brain tissue. Quality was assessed using western blots, transmission electron microscopy, and microfluidic resistive pulse sensing. EV RNA was extracted and sequenced on Illumina platforms. Functional follow-up was performed in silico. RESULTS: Quality assessment showed an enrichment of EV markers, as well as a size distribution of 30 to 200 nm in diameter, and no contamination with cellular debris. Small RNA profiling indicated the presence of several RNA biotypes, with miRNAs and transfer RNAs being the most prominent. Exploring miRNA levels between groups revealed decreased expression of miR-92a-3p and miR-129-5p, which was validated by qPCR and was specific to EVs and not seen in bulk tissue. Finally, in silico functional analyses indicate potential roles for these 2 miRNAs in neurotransmission and synaptic plasticity. CONCLUSION: We provide a streamlined isolation protocol that yields EVs of high quality that are suitable for molecular follow-up. Our findings warrant future investigations into brain EV miRNA dysregulation in MDD.
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 | 0,001 | 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 ».