Comprehensive Bioinformatics Analysis the circRNAs of Viral Infection Associated Pathway in HepG2 Expressing ORF3 of Genotype IV Swine Hepatitis E Virus
Notice bibliographique
Résumé
The open reading frame 3 (ORF3) protein of the swine hepatitis E virus (SHEV) is a critical virulence factor implicated in viral infection, yet its precise mechanisms remain poorly understood. Circular RNAs (circRNAs) have emerged as key regulators of gene expression during viral infections by functioning as miRNA sponges. This study aimed to identify key circRNAs and construct a potential circRNA-miRNA-mRNA regulatory network associated with the viral infection pathway in HepG2 cells expressing genotype IV SHEV ORF3. Based on our previous high-throughput circRNA and transcriptome sequencing data from HepG2 cells with adenovirus-mediated ORF3 overexpression, we screened for differentially expressed circRNAs and mRNAs linked to viral infection pathways. Using bioinformatic tools, we predicted miRNAs targeted by these mRNAs and those that could bind to the circRNAs, ultimately constructing a competing endogenous RNA (ceRNA) network with Cytoscape. We identified 31 differentially expressed circRNAs and 7 mRNAs (HSPA8, HSPA1B, EGR2, CXCR4, SOCS3, NOTCH3, and ZNF527) related to viral infection. A potential ceRNA network comprising 32 circRNAs, 23 miRNAs, and the 7 mRNAs was constructed. Core circRNAs, including ciRNA203, circRNA14936, and circRNA5562, may act as miRNA sponges to regulate the expression of these mRNAs. This network suggests a novel mechanism by which SHEV ORF3 might modulate host cell functions to facilitate viral infection.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».