MétaCan
Menu
Retour à la cohorte
Enregistrement W2046710525 · doi:10.3390/ijms14035519

MicroRNAs in Human Placental Development and Pregnancy Complications

2013· article· en· W2046710525 sur OpenAlexafffund
Guodong Fu, Jelena Brkić, Heyam Hayder, Chun Peng

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésmicroRNABiologyTrophoblastPlacentaAngiogenesisRegulation of gene expressionGene silencingFunction (biology)BioinformaticsPreeclampsiaGene expressionComputational biologyPregnancyGeneCell biologyGeneticsFetus

Résumé

récupéré en direct d'OpenAlex

MicroRNAs (miRNAs) are small non-coding RNAs, which function as critical posttranscriptional regulators of gene expression by promoting mRNA degradation and translational inhibition. Placenta expresses many ubiquitous as well as specific miRNAs. These miRNAs regulate trophoblast cell differentiation, proliferation, apoptosis, invasion/migration, and angiogenesis, suggesting that miRNAs play important roles during placental development. Aberrant miRNAs expression has been linked to pregnancy complications, such as preeclampsia. Recent research of placental miRNAs focuses on identifying placental miRNA species, examining differential expression of miRNAs between placentas from normal and compromised pregnancies, and uncovering the function of miRNAs in the placenta. More studies are required to further understand the functional significance of miRNAs in placental development and to explore the possibility of using miRNAs as biomarkers and therapeutic targets for pregnancy-related disorders. In this paper, we reviewed the current knowledge about the expression and function of miRNAs in placental development, and propose future directions for miRNA studies.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,284
Écart entre enseignants0,270 · 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

Citations277
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

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