Left ventricular transcriptome and extracellular vesicle-derived miRNAs in porcine donation after circulatory death (DCD) hearts undergoing prolonged working mode ex situ perfusion
Notice bibliographique
Résumé
BACKGROUND: Donation after circulatory death (DCD) hearts have limited clinical use due to warm ischemia-reperfusion injury, which impairs graft quality. We previously demonstrated that a cardioprotective treatment combining 1% Intralipid, 2% (v/v) sevoflurane, and 3 nM remifentanil improved the function and viability of porcine DCD hearts during ex situ heart perfusion (ESHP). Here, we used transcriptomics to investigate how the cardioprotective treatment and prolonged ESHP elicit transcriptional and extracellular vesicle (EV)-derived miRNA responses. METHODS: Porcine DCD hearts were perfused with (treated, n=5) or without (untreated, n=5) the cardioprotective treatment for 6 h. Next generation miRNA sequencing was performed on EVs isolated from perfusate at 1 h reperfusion, and mRNA sequencing was carried out on left ventricular tissue collected at the end of reperfusion, with healthy hearts serving as control. RNA sequencing data was analyzed using gene set enrichment analysis and the R package DESeq2. RESULTS: Compared with healthy hearts, 5'483 transcripts were differentially expressed in perfused DCD hearts, including downregulation of protein synthesis, metabolic, and DNA repair pathways, and upregulation of inflammatory and remodeling pathways. Between treated and untreated DCD hearts, 43 transcripts differed significantly. Cardioprotection upregulated gene sets associated with lipolysis, beta-oxidation, and DNA repair, whereas untreated hearts exhibited enrichment of lipid accumulation, oxidative stress, and maladaptive remodeling pathways. EV-derived miRNAs released during reperfusion corroborated these results, with treated hearts releasing pro-survival miRNAs and untreated hearts releasing injury-associated miRNAs. CONCLUSIONS: Cardioprotection during prolonged ESHP promotes adaptive transcriptional responses and beneficial EV-derived miRNA release, mitigating maladaptive remodeling in DCD hearts.
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 | 0,000 | 0,000 |
| 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 ».