MétaCan
Menu
Retour à la cohorte
Enregistrement W1520347472 · doi:10.1038/bjc.2015.6

MicroRNA in radiotherapy: miRage or miRador?

2015· review· en· W1520347472 sur OpenAlexafffund
Elina Korpela, Danny Vesprini, Stanley K. Liu

Notice bibliographique

RevueBritish Journal of Cancer · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensSunnybrook Health Science Centre
Organismes subventionnairesProstate Cancer CanadaMovember Foundation
Mots-clésRadioresistanceRadiation therapymicroRNAProstate cancerMedicineCancerRadiobiologyBioinformaticsCancer researchDNA damageOncologyBiologyInternal medicineDNAGeneticsGene

Résumé

récupéré en direct d'OpenAlex

At least half of all cancer patients will receive radiation therapy. Tumour radioresistance, or the failure to control certain tumours with this treatment, can result in locoregional recurrence; thus there is great interest in understanding the underlying biology and developing strategies to overcome this problem. The expanding investigation of microRNA in cancer suggests that these regulatory factors can influence the DNA damage response, the microenvironment and survival pathways, among other processes, and thereby may affect tumour radioresistance. As microRNA are readily detectable in tumours and biofluids, they hold promise as predictive biomarkers for therapy response and prognosis. This review highlights the current insights on the major ways that microRNA may contribute to tumour radiation response and whether their levels reflect treatment success. We conclude by applying the potential framework of future roles of miR in personalised radiotherapy using prostate cancer clinical management as an example.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,353
Écart entre enseignants0,322 · 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 tête enseignante, 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
GenreSynthèse

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

En bref

Citations67
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBritish Journal of CancerMême sujetMicroRNA in disease regulationTravaux en français237 207