Current Knowledge of MicroRNAs and Noncoding RNAs in Virus-Infected Cells
Notice bibliographique
Résumé
Within the past few years, microRNAs (miRNAs) and other noncoding RNAs (ncRNAs) have emerged as elements with critically high importance in posttranscriptional control of cellular and, more recently, viral processes. Endogenously produced by a component of the miRNA-guided RNA silencing machinery known as Dicer, miRNAs are known to control messenger RNA (mRNA) translation through recognition of specific binding sites usually located in their 3' untranslated region. Recent evidences indicate that the host miRNA pathway may represent an adapted antiviral defense mechanism that can act either by direct miRNA-mediated modulation of viral gene expression or through recognition and inactivation of structured viral RNA species by the protein components of the RNA silencing machinery such as Dicer. This latter process, however, is a double-edge sword, as it may yield viral miRNAs exerting gene regulatory properties on both host and viral mRNAs. Our knowledge of the interaction between viruses and host RNA silencing machineries, and how this influences the course of infection, is becoming increasingly complex. This chapter aims to summarize our current knowledge about viral miRNAs/ncRNAs and their targets, as well as cellular miRNAs that are modulated by viruses upon 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».