Expression of circulating microRNAs in patients with Crohn's disease and Ulcerative Colitis
Bibliographic record
Abstract
Introdução: As doenças inflamatórias intestinais são doenças crônicas representadas principalmente pela Doença de Crohn (DC) e Retocolite Ulcerativa (RCU). A DC caracteriza-se por focos de inflamação transmural que podem afetar qualquer segmento do trato gastrointestinal (TGI).Pode ser classificada em tipo inflamatório, estenosante ou penetrante/fistulizante. Na RCU, a doença é caracteristicamente restrita à superfície da mucosa e submucosa. Os mecanismos envolvidos na patogênese de ambas as doenças ainda são desconhecidos. Ressaltamos a importância de mecanismos de regulação gênica, em particular os microRNAs (miRNAs) que estão envolvidos em processos biológicos importantes, e têm sido evidenciados como biomarcadores com potencial utilidade clínica no diagnóstico, determinação do prognóstico e tratamento dos pacientes. Objetivo: Identificar miRNAs circulantes com expressão significativamente alterada no plasma de pacientes com DC ou RCU, comparando os pacientes respondedores vs. não respondedores ao tratamento. Metodologias: Foram coletadas amostras de plasma de pacientes atendidos no Ambulatório de Doenças Inflamatórias Intestinais do Hospital das Clínicas da Faculdade de Medicina de Botucatu e diagnosticados com DC (n=25) ou RCU (n=30). A DC foi classificada de acordo com a classificação de Montreal e a atividade da doença foi baseada no índice CDAI. A RCU foi classificada de acordo com a extensão da doença em proctite, hemicolite esquerda e pancolite e a atividade da doença foi classificada de acordo com o escore de Mayo. O plasma foi utilizado para extração do RNA e quantificação da expressão de miRNAs na plataforma TaqMan Low Density Array. Para análises de dados utilizamos o programa Expression Suite com cut-off de nível de alteração, foldchange (FC) ≥ 2,0 e p<0,05. Adicionalmente, utilizamos ferramentas de bioinformática (mirDIP, miRTarBase e ToppGeneSuite) para interpretação do significado biológico dos dados. Resultados: A idade média dos pacientes com DC foi de 44,4 anos e 60% eram do sexo feminino. Em relação às características clínicas, 64% dos pacientes foram diagnosticados com a doença entre 17-40 anos de idade, 36% apresentam a localização ileo colonica, 40% com comportamento estenosante, 4% apresentavam-se em atividade clínica da doença e 44% estavam em uso de terapia biológica. Identificamos 37 miRNAs significativamente alterados (FC≥2 e p≤0,05) comparados aos indivíduos saudáveis. Em pacientes respondedores ao tratamento, 22 miRNAs estavam com expressão diminuída e 3 com expressão aumentada. Nos pacientes não respondedores, 10 miRNAs estavam com expressão diminuída e 2 com expressão aumentada. Nos pacientes com RCU, a idade média foi de 51,3 anos e 53% eram do sexo feminino, 70% dos pacientes tiveram comprometimento de todo o cólon, 27% apresentavam atividade moderada e 33% dos pacientes estavam em uso de aminossalicílicos. Identificamos 37 miRNAs alterados, dos quais 18 miRNAs estavam com expressão diminuída e 1 miRNA com expressão aumentada em pacientes respondedores ao tratamento. Nos pacientes não respondedores, foram identificados 5 miRNAs com expressão diminuída e 3 com expressão aumentada. Conclusões: Diferentes miRNAs podem constituir biomarcadores preditivos nas diferentes formas de DII: DC e RCU.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".