Brain RNA profiling highlights multiple disease pathways in persons with HIV-associated neurocognitive disorder
Notice bibliographique
Résumé
OBJECTIVE: To discover microRNA (miRNA)-RNA transcript interactions dysregulated in brains from persons with HIV-associated neurocognitive disorder (HAND), we investigated RNA expression using machine learning tools. DESIGN: Brain-derived host RNA transcript and miRNA expression was examined from persons with or without HAND using bioinformatics platforms. METHODS: By combining next generation sequencing, droplet digital (dd)PCR quantitation of HIV-1 genomes, with bioinformatics and statistical tools, we investigated differential RNA expression in frontal cortex from persons without HIV [HIV(-)], with HIV without brain disease [HIV(+)], with HAND, or HAND with encephalitis (HIVE). RESULTS: Expression levels for 147 transcripts and 43 miRNAs showed a minimum four-fold difference between clinical groups with a predominance of antiviral (type I interferon) signaling-related, neural cell maintenance-related, and neurodevelopmental disorder-related genes that was validated by gene ontology and molecular pathway inferences. Scale of signal-to-noise ratio (SSNR) and biweight midcorrelation (bicor) analyses identified 14 miRNAs and 45 RNA transcripts, which were highly correlated and differentially expressed ( P ≤ 0.05). Machine learning applications compared regression models predicated on HIV-1 DNA, or RNA viral quantities that disclosed miR-4683 and miR-154-5p were dominant variables associated with differential expression of host RNAs. These miRNAs were also associated with antiviral-related, cell maintenance-related, and neurodevelopmental disorder-related genes. CONCLUSION: Antiviral as well as neurodevelopmental disorder-related pathways in brain were associated with HAND, based on correlated RNA transcripts and miRNAs. Integrated molecular methods with machine learning offer insights into disease mechanisms, underpinning brain-related biotypes among persons with HIV that could direct clinical care.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».