JZ
Jiong Zhang
Author with expertise in Clustered Regularly Interspaced Short Palindromic Repeats and CRISPR-associated proteins
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
5
(80% Open Access)
Cited by:
2,122
h-index:
17
/
i10-index:
29
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Co-Regulation ofCYP3A4andCYP3A5and Contribution to Hepatic and Intestinal Midazolam Metabolism

Yvonne Lin et al.Jul 1, 2002
We recently demonstrated that a variant allele of CYP3A5(CYP3A5*3) confers low CYP3A5 expression as a result of improper mRNA splicing. In this study, we further evaluated the regulation of CYP3A5 in liver and jejunal mucosa from white donors. For all tissues, high levels of CYP3A5 protein were strongly concordant with the presence of a wild-type allele of theCYP3A5 gene (CYP3A5*1).CYP3A5 represented greater than 50% of total CYP3A content in nearly all of the livers and jejuna that carried the CYP3A5*1wild-type allele. Overall, CYP3A5 protein content accounted for 31% of the variability in hepatic midazolam hydroxylation activity. Improperly spliced mRNA (SV1-CYP3A5) was found only in tissues containing a CYP3A5*3 allele. Properly splicedCYP3A5 mRNA (wt-CYP3A5) was detected in all tissues, but the median wt-CYP3A5 mRNA was 4-fold higher in CYP3A5*1/*3 livers compared withCYP3A5*3/*3 livers. Differences inwt-CYP3A5 and CYP3A4 mRNA content explained 53 and 51% of the interliver variability in CYP3A5 and CYP3A4 content, respectively. Hepatic CYP3A4 and CYP3A5 contents were not correlated when all livers were compared. However, forCYP3A5*1/*3 livers, levels of the two proteins were strongly correlated (r = 0.93) as werewt-CYP3A5 and CYP3A4 mRNA (r = 0.76). These findings suggest thatCYP3A4 and CYP3A5 genes share a common regulatory pathway for constitutive expression, possibly involving conserved elements in the 5′-flanking region.
0
Citation442
0
Save
0

Comparative Analysis of Brain Age Prediction Using Structural and Diffusion MRIs in Neonates

Zongping Fang et al.Aug 1, 2024
Using machine learning techniques to predict brain age from multimodal data has become a crucial biomarker for assessing brain development. Among various types of brain imaging data, structural magnetic resonance imaging (sMRI) and diffusion magnetic resonance imaging (dMRI) are the most commonly used modalities. sMRI focuses on depicting macrostructural features of the brain, while dMRI reveals the orientation of major white matter fibers and changes in tissue microstructure. However, their differential capabilities in reflecting newborn age and clinical implications have not been systematically studied. This study aims to explore the impact of sMRI and dMRI on brain age prediction. Comparing predictions based on T2-weighted(T2w) and fractional anisotropy (FA) images, we found their mean absolute errors (MAE) in predicting infant age to be similar. Exploratory analysis revealed for T2w images, areas such as the cerebral cortex and ventricles contribute most significantly to age prediction, whereas FA images highlight the cerebral cortex and regions of the main white matter tracts. Despite both modalities focusing on the cerebral cortex, they exhibit significant region-wise differences, reflecting developmental disparities in macro- and microstructural aspects of the cortex. Additionally, we examined the effects of prematurity, gender, and hemispherical asymmetry of the brain on age prediction for both modalities. Results showed significant differences (p<0.05) in age prediction biases based on FA images across gender and hemispherical asymmetry, whereas no significant differences were observed with T2w images. This study underscores the differences between T2w and FA images in predicting infant brain age, offering new perspectives for studying infant brain development and aiding more effective assessment and tracking of infant development.