Role of miR-A in COVID-19: Implications for lung injury and fibrosis
Notice bibliographique
Résumé
Introduction: Our research group previously identified the role of miR-A in virus-induced lung injury. However, the role of miR-A in COVID-19-associated lung injury remain elusive. Aims: To evaluate the expression of miR-A in COVID-19 viral infection. Methods: Retrospective tissue samples from 47 COVID-19 autopsies and 6 non-neoplastic lung cancer controls were analyzed for clinical and histological features. RNA-Seq and bioinformatic analysis were conducted, and microRNA expression was assessed via digital droplet polymerase chain reaction (ddPCR). Results: Histological analysis in COVID-19 showed heterogeneous changes, such as septal thickening and hyaline membranes, while controls had preserved parenchyma. ddPCR for miR-A showed increased expression levels (p<0.001). Of 361 miR-A target genes, 59 were differentially expressed (padj<0.05) in COVID (34 up, 25 down). Functional enrichment analysis revealed miR-A-dependent genes were predicted to be involved in epithelial-mesenchymal transition, extracellular matrix organization, and collagen formation. Increased miR-A and enhanced expression of collagen and fibrosis related genes were validated using the humanized SARS-Co-V2 infection model. Conclusions: miR-A is likely to play a key role in the development of fibrosis in the context of COVID-19 viral infection. Further studies are needed to explore the potential of its inhibition in preventing fibrosis progression.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».