MétaCan
Menu
Retour à la cohorte
Enregistrement W4410477313 · doi:10.3389/fneur.2025.1517588

Exosome-related genes influence the progression of stroke through neuroinflammatory responses

2025· article· en· W4410477313 sur OpenAlexaff
Boyan Zhao, Jianing Wu, Mingyang Han, Rong Xuan, Jin Jin, Shiya Liu, Cheng Zhang, Ruotian Zhang, Xin Chen, Fei Peng, Xingli Dong, Shiguang Zhao

Notice bibliographique

RevueFrontiers in Neurology · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBiologyGeneImmune systemChemokineTranscriptomeExosomeGene expressionImmunologyMicrovesiclesComputational biologymicroRNAGenetics

Résumé

récupéré en direct d'OpenAlex

Ischemic stroke (IS) ranks among the top causes of mortality and disability globally. Exosomes exert a crucial effect on maintaining a complex regulatory balance with neuroinflammation in IS. Hence, this research aimed to elucidate the roles of exosome-related genes IS. We integrated data from five IS-related datasets from the Gene Expression Omnibus (GEO) database and exosome-related genes from ExoCarta. The least absolute shrinkage and selection operator regression and random forest models were performed to detect feature genes. Search Tool for the Retrieval of Interacting Genes and Cytoscape were employed to recognize the hub genes. Enrichment analyses were conducted to examine biological processes. CIBERSORT and MCPcounter were applied to assess immune infiltration, and Principal Component Analysis was utilized to explore the associations of feature genes and hub genes with immune cells. After identified different cell types, we analyzed differentiation, developmental trajectory, and interactions of the cell populations. Middle cerebral artery occlusion models were conducted on mice, followed by quantitative polymerase chain reaction to assess the expression levels of each hub gene. We identified 13 feature genes and 10 hub genes. Through qPCR, LGALS3, CD36, TLR2, ICAM1, and CD14 were significantly upregulated after Middle Cerebral Artery Occlusion surgery. Hub genes were significantly involved in inflammatory responses, as well as chemokine signaling and JAK-STAT signaling. Immuno-infiltration analysis revealed significant differences in immune cell populations between IS and controls. Additionally, neutrophils and monocytes/macrophages were positively correlated with CD14 and LGALS3, respectively. Single-cell analysis revealed 19 cell subpopulations with detailed pseudo-time trajectory predictions, highlighting the developmental importance of MG2 microglial cells. In conclusion, our results illuminate exosomal genes, including LGALS3 and CD14, participate in the progression of IS through neuroinflammation, as well as highlight potential therapeutics to mitigate IS injury.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,014
Tête enseignante GPT0,275
Écart entre enseignants0,261 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetNeuroinflammation and Neurodegeneration MechanismsTravaux en français237 207