MétaCan
Menu
Retour à la cohorte
Enregistrement W4405848756 · doi:10.6000/1929-6029.2024.13.37

Biostatistical Analysis of Microarray Data to Decipher Viral Pathogenesis

2024· article· en· W4405848756 sur OpenAlexvenueno aff
Usha Adiga, BS Ramesh, Adam A. Augustine, Sampara Vasishta

Notice bibliographique

RevueInternational Journal of Statistics in Medical Research · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Virus Infections Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDECIPHERComputational biologyMicroarray analysis techniquesBiologyVirologyBioinformaticsGeneticsGeneGene expression

Résumé

récupéré en direct d'OpenAlex

Background: Zika virus, Kunjin virus, Yellow Fever virus, & Sindbis virus belong to Flaviviridae family and are involved in derailing various biological pathways which are not yet elucidated. Aim: Understanding the gene as well as miRNA interplay which plays a vital role in pathogenesis in the diagnosis and prognosis of the disease is of utmost significance. Materials and Methods: By leveraging microarray data from the Gene Expression Omnibus GSE232504 dataset, we meticulously examined the differentially expressed genes & micro RNAs (miRNAs) induced by viral infections. Results: Our analysis revealed 60 statistically significant and differentially expressed genes (DEGs) out of a total of 18,725, with SESN2 (SESTRIN 2) and GADD45A (Growth Arrest and DNA Damage-Inducible Alpha) standing out as highly significant players in the host cell response to these viruses. hsa-miR-148b-3p, hsa-miR-148a-3p, hsa-miR-607 & hsa-miR-5582-3p were the highly expressed micro RNAs (miRNAs). Through functional enrichment analyses, we unveiled significant pathways, including Type 1 Diabetes Mellitus and NF-kappa B Signaling, shedding light on the potential mechanisms underlying these virus-host cell interactions. Furthermore, our PPI (protein-protein interaction) network analysis highlighted key hub genes, while our exploration of miRNA-gene targeting relationships offered valuable insights into post-transcriptional regulation. Conclusion: This study provides a robust foundation for understanding the molecular intricacies of virus-host cell interactions, offering potential targets for further experimental validation and paving the way for innovative therapeutic approaches in combatting viral infections and associated diseases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,042
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0260,003

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 Opus0,158
Tête enseignante GPT0,471
Écart entre enseignants0,313 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics in Medical ResearchMême sujetAnimal Virus Infections StudiesTravaux en français237 207