Notice bibliographique
Résumé
MicroRNAs are a class of non-coding small RNAs, which posttranscriptionally regulate gene expression through mainly binding to 3' untranslated region of mRNA. Most microRNAs are evolutionally conserved cross species; whereas, novel microRNAs expressed in different organisms are also identified with next generation sequencing technology. MicroRNAs play crucial roles in development, stem cells self-renewal, apoptosis and cell cycle. Aberrant microRNA expression in cancer and other diseases has been extensively investigated; the specific microRNAs have been developed for cancer diagnosis, prediction of drug-response and therapeutic outcome. Given the roles of microRNAs in pathophysiological conditions, it is conceivable that development of “miR-drugs” with different strategies (miR mimics, anti-miR, small molecule inhibitors of specific miRs) provides great hope to fight against cancer in combination of conventional treatment. In this review, the course of microRNA research to understand cancer biology is briefly introduced, the translation of miRNA studies from bench to bedside, particularly, microRNA implication in cancer with patents for diagnosis, prognosis will be described; the current status and challenges of “miR-drugs” development will be discussed. Keywords: microRNA, gene expression, patents, treatment, miR-drugs, miRNome, MicroRNAs Patents, Bench to Bedsides, Caenorhabditis elegan, hematopoietic malignancy, lymphocytic leukemia, solid tumors, MTg-AMO, MiR-21, ANP32A/ SMARCA4, pharmacodynamics, pharmacokinetics
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».