MétaCan
Menu
Retour à la cohorte
Enregistrement W1963921985 · doi:10.1155/jbb/2006/69616

MicroRNAs in Gene Regulation: When the Smallest Governs It All

2006· article· en· W1963921985 sur OpenAlexafffund
Dominique L. Ouellet, Marjorie Perron, Lise-Andrée Gobeil, Pierre Plante, Patrick Provost

Notice bibliographique

RevueBioMed Research International · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversité LavalCentre hospitalier universitaire de Québec
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchHealth CanadaArthritis Society
Mots-clésDroshaDicermicroRNABiologyBiogenesisGeneComputational biologyRegulation of gene expressionGeneticsRibonuclease IIIGene expressionGenomeArgonauteGene silencingRNARNA interference

Résumé

récupéré en direct d'OpenAlex

Encoded by the genome of most eukaryotes examined so far, microRNAs (miRNAs) are small approximately 21-nucleotide (nt) noncoding RNAs (ncRNAs) derived from a biosynthetic cascade involving sequential processing steps executed by the ribonucleases (RNases) III Drosha and Dicer. Following their recent identification, miRNAs have rapidly taken the center stage as key regulators of gene expression. In this review, we will summarize our current knowledge of the miRNA biosynthetic pathway and its protein components, as well as the processes it regulates via miRNAs, which are known to exert a variety of biological functions in eukaryotes. Although the relative importance of miRNAs remains to be fully appreciated, deregulated protein expression resulting from either dysfunctional miRNA biogenesis or abnormal miRNA-based gene regulation may represent a key etiologic factor in several, as yet unidentified, diseases. Hence is our need to better understand the complexity of the basic mechanisms underlying miRNA biogenesis and function.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,006
Communication savante0,0040,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,045
Tête enseignante GPT0,343
Écart entre enseignants0,298 · 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'étudeThéorique ou conceptuel
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

Citations114
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioMed Research InternationalMême sujetMicroRNA in disease regulationTravaux en français237 207