PubMed چکیده/رکورد

An integrated resource for systems-level analysis of aging hallmarks and associated genes.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

AgingHallmarksDB is an interactive web platform designed to facilitate systems-level aging research centered on 11 aging hallmarks. It comprises 3111 aging hallmark-associated genes integrated from seven established databases, including a high-confidence consensus set comprising 1089 genes. It further incorporates tissue, cell-type class, exosomes, protein-protein and regulatory interactions to facilitate deeper biological insights. AgingHallmarksDB enables over representation analysis (ORA) and gene set enrichment analysis (GSEA) to elucidate varying molecular mechanisms underlying aging. Gene overlaps and Jaccard similarity revealed interconnectedness among the hallmarks. Network analyses further showed these pairs are connected within the protein-protein interaction (PPI) network. The utility of this resource was demonstrated through multiple hallmark-associated analyses. PPI network topology analysis of common hallmark genes revealed several key age-associated genes that act as central hubs across multiple aging hallmarks. Hallmark enrichment analyses revealed extensive coverage across aging-related diseases compared to limited enrichment seen in non-aging-related diseases like developmental and congenital diseases. Further these analyses showed biologically meaningful disease-associated processes, like "Loss of proteostasis" in Alzheimer's disease and "Chronic inflammation" in atherosclerosis as highly significant hallmarks. These disease-hallmark associations were further supported by network proximity analyses. In addition, GSEA of the PM2.5 exposure-associated skin transcriptome identified significant enrichment of aging hallmarks, particularly "Epigenetic alterations", demonstrating the resource's utility in interpreting transcriptomic datasets within the context of aging biology. Overall, AgingHallmarksDB provides a robust framework for investigating hallmark-associated functionality, and potential therapeutic discovery in aging and longevity. AgingHallmarksDB is accessible at https://cb.imsc.res.in/aginghallmarksdb/ .

نتیجه فارسی

AgingHallmarksDB یک پایگاه داده وب تعاملی است که ۳۱۱۱ ژن مرتبط با ۱۱ مرحله پیری را از هفت پایگاه داده ادغام می‌کند. این منبع برای تحلیل‌های بیش‌نمایی و غنی‌سازی مجموعه ژن طراحی شده است و تعاملات زیستی را برای تحقیقات سطح سیستم فراهم می‌کند. تحلیل‌ها نشان می‌دهند که مراحل پیری در شبکه‌های پروتئین-پروتئین به هم متصل هستند و با بیماری‌های مرتبط با پیری مانند آلزایمر و آترواسکلروز همبستگی دارند. منبع همچنین در تفسیر مجموعه‌های ترسیموم در زمینه پیری کاربرد دارد.

  • منبعی برای تحلیل سطح سیستم‌های ۱۱ مرحله پیری و ژن‌های مرتبط.
  • شامل ۳۱۱۱ ژن از هفت پایگاه داده معتبر و تعاملات زیستی.
  • تحلیل‌های بیش‌نمایی و غنی‌سازی مجموعه ژن را امکان‌پذیر می‌کند.
  • نشان می‌دهد که مراحل پیری در شبکه‌های پروتئین-پروتئین به هم متصل هستند.
  • با بیماری‌های مرتبط با پیری مانند آلزایمر و آترواسکلروز همبستگی دارد.

ترجمه فارسی چکیده

AgingHallmarksDB یک پلتفرم وب تعاملی است که برای تحقیقات سطح سیستم در مورد ۱۱ مرحله پیری طراحی شده است. این منبع شامل ۳۱۱۱ ژن مرتبط با مرحله پیری است که از هفت پایگاه داده معتبر ادغام شده‌اند، از جمله یک مجموعه توافق با اعتماد بالا شامل ۱۰۸۹ ژن. این منبع همچنین شامل تعاملات با بافت، کلاس سلولی، اگزوزوم‌ها، پروتئین-پروتئین و تنظیمی است تا بینش‌های زیستی عمیق‌تری فراهم کند. AgingHallmarksDB امکان تحلیل بیش‌نمایی (ORA) و تحلیل غنی‌سازی مجموعه ژن (GSEA) را برای روشن کردن مکانیسم‌های مولکولی متفاوت پشت پیری فراهم می‌کند. تحلیل‌های بیش‌نمایی و شباهت جاکارد نشان دادند که مراحل پیری به هم متصل هستند. تحلیل‌های شبکه نشان داد که این جفت‌ها در شبکه تعامل پروتئین-پروتئین (PPI) متصل هستند. تحلیل‌های بیش‌نمایی مرحله پیری نشان دادند پوشش گسترده‌ای نسبت به بیماری‌های مرتبط با پیری در برابر غنی‌سازی محدود در بیماری‌های غیرمرتبط با پیری مانند بیماری‌های رشدی و مادرزادی. این تحلیل‌ها همچنین فرآیندهای زیستی معنادار مرتبط با بیماری را نشان دادند، مانند «از دست دادن پروتئوستاز» در بیماری آلزایمر و «التهاب مزمن» در آترواسکلروز. این روابط بیماری-مرحله پیری توسط تحلیل‌های نزدیکی شبکه نیز پشتیبانی می‌شوند. علاوه بر این، GSEA ترسیموم پوست مرتبط با مواجهه با PM2.5 نشان داد غنی‌سازی معنادار مراحل پیری، به ویژه «تغییرات اپی‌ژنتیک»، که کاربرد این منبع در تفسیر مجموعه‌های ترسیموم در زمینه زیست‌شناسی پیری را نشان می‌دهد. به طور کلی، AgingHallmarksDB یک چارچوب قوی برای بررسی عملکرد مرتبط با مرحله پیری و کشف درمان‌های بالقوه در پیری و طول عمر فراهم می‌کند.

روش پژوهش

منبع از هفت پایگاه داده معتبر برای ادغام ۳۱۱۱ ژن مرتبط با مرحله پیری استفاده می‌کند. این منبع شامل تعاملات بافت، سلولی، اگزوزوم‌ها، پروتئین-پروتئین و تنظیمی است. تحلیل‌های بیش‌نمایی (ORA) و غنی‌سازی مجموعه ژن (GSEA) برای روشن کردن مکانیسم‌های مولکولی پیری انجام می‌شود.

محدودیت‌ها

محدودیت‌های ذکر شده در متن وجود ندارد.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
هیچ جمعیت بالینی خاصی ذکر نشده است.
مداخله/مواجهه
هیچ مداخله بالینی ذکر نشده است.
مقایسه
هیچ مقایسه‌ای ذکر نشده است.
حجم نمونه
۳۱۱۱ ژن مرتبط با مرحله پیری.

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

Aging databaseAging hallmarksEnrichment analysisLongevityNetwork proximity
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2027

Computational Network Analysis for Defining Transcriptional Programs.

Cancer cell identity is governed by coordinated transcriptional programs that are frequently rewired during tumorigenesis. Systematic identification of cancer type-specific gene regulatory networks provides a framework for understanding oncogenic state transitions and for prioritizing candidate therapeutic targets. Here, we present a reproducible network-based workflow for reconstructing and analyzing transcriptional regulatory program…

PubMed2027

Topic-Driven Bibliometrics and Trend Intelligence for Stem Cell and Cancer Research.

The rapid growth of biomedical literature has created an urgent need for computational tools that enable researchers to systematically analyze publication trends, identify emerging research themes, and map the evolution of scientific fields. PubMed Atlas is a command-line and web-enabled workflow for topic-driven bibliometrics and trend intelligence using PubMed E-utilities. The pipeline executes PubMed queries, retrieves matching PMID…

PubMed2026

Nursing Students' Reports of Patient Safety Incidents and Reasons During Clinical Placements: A Secondary Analysis of the International Data.

Clinical placements expose nursing students to patient safety incidents and provide important opportunities for learning about safe care. This study explored how nursing students in four countries recognized and interpreted patient safety incidents encountered or witnessed during clinical practice, including perceived contributing factors. A secondary qualitative content analysis was conducted using narrative data from 1442 undergradua…

PubMed2026

Frequency of Clinically Relevant Drug-Drug Interactions Between Tyrosine Kinase Inhibitors and Proton Pump Inhibitors in Patients With Cancer Using Real-World Data.

BACKGROUND: Proton pump inhibitors (PPIs) raise stomach pH, leading to reduced bioavailability of many tyrosine kinase inhibitors (TKIs), thereby affecting treatment outcomes. To what extent this interaction occurs in clinical practice remains underexplored. OBJECTIVE: To determine the frequency of clinically relevant interactions between TKIs and PPIs in clinical practice and the duration of concomitant prescription. METHODS: A retros…