MétaCan
Menu
Retour à la cohorte
Enregistrement W1470233841 · doi:10.1007/978-1-60761-863-8_5

Modulation of MicroRNAs for Potential Cancer Therapeutics

2010· article· en· W1470233841 sur OpenAlexaff
Wei Wu

Notice bibliographique

RevueMethods in molecular biology · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésmicroRNABiologyReprogrammingEmbryonic stem cellStem cellGene silencingCell biologyCancer cellGene regulatory networkCancerGene expressionComputational biologyCellCancer researchGeneGenetics

Résumé

récupéré en direct d'OpenAlex

MicroRNA (miRNA) is a nonprotein coding small RNA molecule that negatively regulates gene expression by degradation of mRNA or suppression of mRNA translation. MiRNA plays important roles in physiological processes such as cellular development, differentiation, proliferation, apoptosis, and stem cell self-renewal. Studies show that the deregulation of miRNA expression is closely associated with tumorigenicity, invasion, and metastasis. The functionality of miRNAs may act as oncogenes or tumor suppressors during tumor initiation and progression. miRNomes in almost all types of cancers started to develop the regulatory network of miRNA::mRNA interaction in the view of systems biology. Experimental evidence demonstrates that the modulation of specific miRNA alterations in cancer cells using miRNA replacement or anti-miRNA technologies can restore miRNA activities and repair the gene regulatory network and signaling pathways, in turn, reverse the phenotype of cancerous cells. Numerous animal studies for miRNA-based therapy offer the hope of targeting miRNAs as alternative cancer treatment. Developing the small molecules to interfere with miRNAs could be of great pharmaceutical interest in the future. Interestingly, specific miRNA is capable of reprogramming the cancer cells into a pluriopotent embryonic stem cell-like state (mirPS), which could be induced into tissue-specific mature cell types. This chapter will present the various strategies of modulation of miRNAs in vitro and in vivo.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,394
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biologyMême sujetMicroRNA in disease regulationTravaux en français237 207