MétaCan
Menu
Retour à la cohorte
Enregistrement W4401153693 · doi:10.21037/tp-24-211

Screening for biomarkers of tuberous sclerosis complex–associated epilepsy: a bioinformatics analysis

2024· article· en· W4401153693 sur OpenAlex
Yongsheng Sun, Haonan Ji, Liqin Xu, Raomeng Gu, Pasquale Striano, Gavin P. Winston, Bin Li, Hui Zhou

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTranslational Pediatrics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberous Sclerosis Complex Research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésTuberous sclerosisMedicineEpilepsyBioinformaticsPathophysiologyNeuroscienceComputational biologyPathologyPsychiatryBiology

Résumé

récupéré en direct d'OpenAlex

Background: The optimal biomarkers for early diagnosis, treatment, and prognosis of tuberous sclerosis complex (TSC)-associated epilepsy are not yet clear. This study identifies the crucial genes involved in the pathophysiology of TSC-associated epilepsy via a bioinformatics analysis. These genes may serve as novel therapeutic targets. Methods: Gene chip data sets (GSE62019 and GSE16969) comprising the data of patients with TSC-associated epilepsy and healthy control participants were obtained from the Gene Expression Omnibus (GEO) database. Differentially expressed genes (DEGs) in the GEO database were identified using the GEO2R gene expression analysis tool. Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway, Gene Ontology function, and protein-protein interaction (PPI) network analyses were then conducted. The results were analyzed using R language, and are presented in volcano plots, Venn diagrams, heatmaps, and enrichment pathway bubble charts. A gene set enrichment analysis (GSEA), was conducted to examine the KEGG pathways and crucial genes linked to TSC-associated epilepsy. The potential genes were compared with the genes listed in the Online Mendelian Inheritance in Man (OMIM) database and analyzed against the literature to determine their clinical significance. Finally, the expression of the key genes in the TSC-associated epilepsy mice cerebral cortex was examined through immunohistochemical staining. Results: The intersection of the GSE62019 and GSE16969 data sets revealed 151 commonly upregulated DEGs. The KEGG enrichment analysis indicated that these DEGs affected the occurrence and development of TSC-associated epilepsy by modulating complement and coagulation cascades, glycosaminoglycans in cancer, and extracellular matrix-receptor interactions. Four high-scoring clusters emerged, and podoplanin (PDPN) was identified as a key gene through the construction of a PPI network of the common DEGs using the Cytoscape software. A GSEA of the DEGs revealed that the common DEG PDPN was enriched in both data sets in pathways related to platelet activation, aggregation, and the glycoprotein VI (GPVI)-mediated activation cascade. Immunohistochemical staining revealed a significant elevation in PDPN expression in the cerebral cortex of mice with TSC-associated epilepsy. Conversely, the control group mice did not display any significantly positive neurons. Conclusions: The discovery of these crucial genes and signaling pathways extends understanding of the molecular processes underlying the development of TSC-associated epilepsy. Additionally, our findings may provide a theoretical basis for research into targeted clinical treatments.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,839

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,341
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle