MétaCan
Menu
Retour à la cohorte
Enregistrement W1965647262 · doi:10.3390/ijms150915592

Comprehensive Luciferase-Based Reporter Gene Assay Reveals Previously Masked Up-Regulatory Effects of miRNAs

2014· article· en· W1965647262 sur OpenAlexafffund
Danae Campos‐Melo, Cristian A. Droppelmann, Kathryn Volkening, Michael J. Strong

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchStrongALS Society of Canada
Mots-clésmicroRNALuciferaseReporter geneTranscriptomeComputational biologyBiologyGeneRegulation of gene expressionUntranslated regionGene expressionGeneticsRNATransfection

Résumé

récupéré en direct d'OpenAlex

MicroRNAs (miRNAs) are small non-coding RNAs that regulate the majority of the transcriptome at a post-transcriptional level. Because of this critical role, it is important to ensure that the assays used to determine their functionality are robust and reproducible. Typically, the reporter gene assay in cell-based systems has been the first-line method to study miRNA functionality. In order to overcome some of the potential errors in interpretation that can be associated with this assay, we have developed a detailed protocol for the luciferase reporter gene assay that has been modified for miRNAs. We demonstrate that normalization against the effect of the miRNA and cellular factors on the luciferase coding sequence is essential to obtain the specific impact of the miRNA on the 3'UTR (untranslated region) target. Our findings suggest that there is a real possibility that the roles for miRNA in transcriptome regulation may be misreported due to inaccurate normalization of experimental data and also that up-regulatory effects of miRNAs are not uncommon in cells. We propose to establish this comprehensive method as standard for miRNA luciferase reporter assays to avoid errors and misinterpretations in the functionality of miRNAs.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,269
Écart entre enseignants0,260 · 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'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
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetMicroRNA in disease regulationTravaux en français237 207