MétaCan
Menu
Retour à la cohorte
Enregistrement W2057819889 · doi:10.1258/ebm.2011.011101

MicroRNA regulation in mammalian adipogenesis

2011· review· en· W2057819889 sur OpenAlexaff
Josué Moura Romão, Weiwu Jin, Michael V. Dodson, Gary Hausman, S. S. Moore, Le Luo Guan

Notice bibliographique

RevueExperimental Biology and Medicine · 2011
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAdipogenesismicroRNAAdipocyteBiologyTranscription factorAdipose tissueCell biologyPhenotypeTranscription (linguistics)Cellular differentiationRegulation of gene expressionGeneMesenchymal stem cellGeneticsEndocrinology

Résumé

récupéré en direct d'OpenAlex

Adipogenesis, the complex development from preadipocytes or mesenchymal stem cells to mature adipocytes, is essential for fat formation and metabolism of adipose tissues in mammals. It has been reported to be regulated by hormones and various adipogenic transcription factors which are expressed as a transcriptional cascade promoting adipocyte differentiation, leading to the mature adipocyte phenotype. Recent findings indicate that microRNAs (miRNAs), a family of small RNA molecules of approximately 22 nucleotides in length, are involved in the regulatory network of many biological processes, including cell differentiation, through post-transcriptional regulation of transcription factors and/or other genes. In this review, we focus on the recent understanding of the roles of miRNAs in adipogenesis, including the most recent and relevant findings that support the role of several miRNAs as pro- or antiadipogenic factors regulating adipogenesis in mice, human and cattle to propose the future role of miRNA in adipogenesis of farm animal models.

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

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 Opus0,031
Tête enseignante GPT0,344
Écart entre enseignants0,313 · 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

Citations110
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental Biology and MedicineMême sujetMicroRNA in disease regulationTravaux en français237 207