MicroRNAs and apoptosis: implications in the molecular therapy of human disease
Notice bibliographique
Résumé
1. MicroRNAs (miRNAs), the small non-coding RNAs of approximately 22 nucleotides, are now recognized as a very large family present throughout the genomes of plants and metazoans. These small transcripts modulate protein expression by binding to complementary or partially complementary target protein-coding mRNAs and targeting them for degradation or translational inhibition. 2. The discovery of miRNAs has revolutionized our understanding of the mechanisms that regulate gene expression, with the addition of an entirely novel level of regulatory control. Considerable information on miRNAs has been accumulated in this rapidly evolving research field. We now know that miRNAs play pivotal roles in diverse processes, such as development and differentiation, control of cell proliferation and death, stress response and metabolism. Indeed, aberrant miRNA expression has been documented in human disease as well as in animal models, with evidence for a causative role in tumourigenesis. 3. One of the most active fields of miRNA research is miRNA regulation of apoptosis, a programmed cell death implicated in many human diseases, such as cancer, Alzheimer's disease, hypertrophy and heart failure. Thus far, nearly 30 of 500 human miRNAs have been validated experimentally to regulate apoptosis; this number is likely to increase with future studies. 4. The present review provides a comprehensive summary and analysis of the currently available data, focusing on the transcriptional controls, target genes and signalling pathways linking the apoptosis-regulating miRNAs and apoptotic cell death.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».