Integrative DNA methylation and transcriptome analysis reveal cell-type specific patterns in response to elevated allostatic load
Notice bibliographique
Résumé
Allostatic load (AL) is a measure of the body’s multi-systemic physiological dysregulation in response to chronic stress and life events. High AL has been associated with poor long-term health outcomes such as cardiovascular disease and mortality. DNA methylation (DNAm) is an epigenetic mechanism involving both genes and environmental factors and contributes to gene expression regulation. Hence, changes in AL can possibly be reflected in DNAm and gene expression differences and leveraging epigenetic and transcriptomic data together can help elucidate the underlying biological processes involved. To assess differential DNAm and gene expression between high and low AL in a cell-type specific manner, bulk DNAm and transcriptome signals from whole blood samples of 429 individuals from the Swiss Kidney Project On Genes in Hypertension (SKIPOGH) cohort were first deconvoluted into cell-type specific signals for six blood cell types using tensor composition analysis (TCA) and the software CIBERSORTx. For each cell type, DNAm associated with gene expression changes was then determined in high (N = 126) vs low (N = 303) AL groups. A total of 263 CpG-gene pairs were identified across all cell types, corresponding to 250 unique CpGs and 138 unique differentially methylated genes (DMGs). Several immune processes were enriched among downregulated genes of CD8 T and B cells, suggesting an impairment of the immune response, which is compatible with high AL. These findings highlight the importance of using cell-specific signals in DNAm and transcriptome analyses and may contribute to identify AL biomarkers and/or potential therapeutic targets.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».