MétaCan
Menu
Retour à la cohorte
Enregistrement W1548536416 · doi:10.5772/21332

Subversion of RNA Processing Pathways by the Hepatitis delta Virus

2011· book-chapter· en· W1548536416 sur OpenAlexafffund
Yasnee Beeharry, Martin Pelchat

Notice bibliographique

RevueInTech eBooks · 2011
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueHepatitis B Virus Studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBiologyRNAViral replicationVirologyViral life cycleVirusGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Viruses are the most opportunistic pathogens, since they extensively use host cell components for their replication. Among the various host factors usurped by viruses, proteins involved in RNA processing pathways are frequently used to regulate their own replication and to affect host protein expression (Lai, 1998). Over the years, the study of viral replication led to discoveries on how cellular RNA processing pathways are complex and how each step is crucial and extremely regulated. In addition to provide a better understanding of viral pathogenesis, investigation of viruses continue to be used as tools to understand the normal cellular RNA processing pathways and to identify new actors or new functions of known components. The hepatitis delta virus (HDV) is a fascinating model. This virus is the smallest known pathogenic RNA capable of infecting human cells, and has to rely more heavily than any other viruses on host proteins for its replication (for general reviews of HDV biology and replication, see (Lai, 2005; Taylor, 2006, 2009; Tseng & Lai, 2009; Pascarella & Negro, 2011)). In this chapter, we present the current knowledge of the use of host proteins involved in RNA processing pathways by HDV, from RNA synthesis to RNA maturation. In addition, we discuss the potential contribution of these proteins to the life cycle of HDV, and possible impacts these interactions might have on natural host processes during an HDV infection.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil1,000

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,043
Tête enseignante GPT0,252
Écart entre enseignants0,210 · 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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetHepatitis B Virus StudiesTravaux en français237 207