MétaCan
Menu
Retour à la cohorte
Enregistrement W1904530464 · doi:10.1002/ddr.21269

MicroRNAs and Noncoding RNAs in Hepatic Lipid and Lipoprotein Metabolism: Potential Therapeutic Targets of Metabolic Disorders

2015· review· en· W1904530464 sur OpenAlexaff
Neetu Sud, Jennifer Taher, Qiaozhu Su

Notice bibliographique

RevueDrug Development Research · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical SciencesNational Institutes of Health
Mots-clésmicroRNABiologyLipid metabolismNon-coding RNAGeneLong non-coding RNAComputational biologyRNACell biologyBioinformaticsGeneticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

Noncoding RNAs and microRNAs (miRNAs) represent an important class of regulatory molecules that modulate gene expression. The role of miRNAs in diverse cellular processes such as cancer, apoptosis, cell differentiation, cardiac remodeling, and inflammation has been intensively explored. Recent studies further demonstrated the important roles of miRNAs and noncoding RNAs in modulating a broad spectrum of genes involved in lipid synthesis and metabolic pathways. This overview focuses on the role of miRNAs in hepatic lipid and lipoprotein metabolism and their potential as therapeutic targets for metabolic syndrome. This includes recent advances made in the understanding of their target pathways and the clinical development of miRNAs in lipid metabolic disorders.

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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,042
Tête enseignante GPT0,353
Écart entre enseignants0,311 · 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

Citations24
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug Development ResearchMême sujetMicroRNA in disease regulationTravaux en français237 207