Plasma miRNAome Profiling Reveals Candidate Biomarkers for Low- and High-Dose Whole-Body Ionizing Radiation Exposure
Notice bibliographique
Résumé
Objective: MicroRNAs (miRNAs) are small, non-coding RNA molecules that regulate gene expression and remain stable in biological fluids, even under harsh conditions. Their stability and responsiveness to environmental stressors make them strong candidates for radiation biodosimetry. This study aimed to (1) establish a robust in vivo pipeline for miRNAome profiling and (2) identify plasma-based miRNA biomarkers of ionizing radiation at low and high doses. Methods: BALB/c mice were exposed to sham, 100 mGy, or 2 Gy of X-rays. Plasma was collected 6 h post-irradiation. Total RNA was extracted, and next-generation sequencing was used to profile the plasma miRNAome. Differentially expressed miRNAs were identified relative to sham controls, and selected candidates were validated using RT-qPCR. Results: A total of 630 unique miRNAs were detected. High-dose exposure (2 Gy) significantly upregulated 14 and downregulated 5 miRNAs. Seven miRNAs were significantly induced at 100 mGy, including miR-126a-5p and miR-133a-3p, which were exclusive to low-dose exposure. Five miRNAs were shared between both doses, indicating dose-independent responses. RT-qPCR confirmed expression trends. Conclusion: This study identified distinct and shared circulating miRNA signatures for low- and high-dose radiation exposure. These findings support the potential of miRNAs as minimally invasive, dose-stratified biomarkers for radiation biodosimetry.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».