MétaCan
Menu
Retour à la cohorte
Enregistrement W1844706913 · doi:10.1002/wrna.1197

Competition and collaboration between <scp>RNA</scp>‐binding proteins and <scp>microRNAs</scp>

2013· review· en· W1844706913 sur OpenAlexaff
Jacqueline Ho, Philip A. Marsden

Notice bibliographique

RevueWiley Interdisciplinary Reviews - RNA · 2013
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésmicroRNARNA-binding proteinTranslation (biology)Messenger RNATranslational regulationBiologyRNAGene expressionRegulation of gene expressionPost-transcriptional regulationComputational biologyCell biologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Posttranscriptional regulation of mRNA species represents a major regulatory checkpoint in the control of gene expression. Historically, RNA-binding proteins (RBPs) have been regarded as the primary regulators of mRNA stability and translation. More recently, however, microRNAs have emerged as a class of potent and pervasive posttranscriptional rheostats that similarly affect mRNA stability and translation. The observation that both microRNAs and RBPs regulate mRNA stability and translation has initiated a newer area of research that involves the examination of dynamic interactions between these two important classes of posttranscriptional regulators, the myriad of factors that influence these biological interactions, and ultimately, their effects on target mRNAs. Specifically, microRNAs and RBPs can act synergistically to effect mRNA destabilization and translational inhibition. They can also engage in competition with each other and exert opposing effects on target mRNAs. To date, several key studies have provided critical details regarding the mechanisms and principles of interaction between these molecules. Additionally, these findings raise important questions regarding the regulation of these interactions, including the roles of posttranslational modification, subcellular localization, target inhibition versus activation, and changes in expression levels of these regulatory factors, especially under stimulus- and cell-specific conditions. Indeed, further experimentation is warranted to address these key issues that pertain to the collaboration and competition between microRNAs and RBPs. Significantly, the elucidation of these important details bears critical implications for disease management, especially for those diseases in which these cellular factors are dysregulated.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,006

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 Opus0,040
Tête enseignante GPT0,349
Écart entre enseignants0,309 · 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
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

Citations42
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews - RNAMême sujetRNA Research and SplicingTravaux en français237 207