MétaCan
Menu
Retour à la cohorte
Enregistrement W16138469 · doi:10.1007/978-1-60761-863-8_4

The Concept of Multiple-Target Anti-miRNA Antisense Oligonucleotide Technology

2010· article· en· W16138469 sur OpenAlexafffund
Zhiguo Wang

Notice bibliographique

RevueMethods in molecular biology · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensMontreal Heart InstituteUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésOligonucleotidemicroRNAComputational biologyComputer scienceBiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

The multiple-target AMO technology or MT-AMO technology is an innovative strategy, which confers on a single AMO fragment the capability of targeting multiple miRNAs. This modified AMO is single-stranded 2'-O-methyl-modified oligoribonucleotides carrying multiple AMO units, which are engineered into a single unit and are able to simultaneously silence multiple-target miRNAs or multiple miRNA seed families. Studies suggest that the MT-AMO is an improved approach for miRNA target finding and miRNA function validation; it not only enhances the effectiveness of targeting miRNAs but also confers diversity of actions. It has been successfully used to identify target genes and cellular function of several oncogenic miRNAs and of the muscle-specific miRNAs (Lu et al., Nucleic Acids Res 37:e24-e33, 2009). This novel strategy may find its broad application as a useful tool in miRNA research for exploring biological processes involving multiple miRNAs and multiple genes, and the potential as an miRNA therapy for human disease such as cancer and cardiac disorders. This technology was developed by my research laboratory in collaboration with Yang's group (Lu et al., Nucleic Acids Res 37:e24-e33, 2009), and it is similar but distinct from the miRNA Sponge technology developed by Sharp's laboratory in 2007 (Ebert et al., Nat Methods 4:721-726, 2007) and modified by Gentner et al. (Nat Methods 6:63-66, 2009).

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,713

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,335
Écart entre enseignants0,327 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations32
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

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