A systematic experimental evaluation of microRNA markers of human bladder cancer
Notice bibliographique
Résumé
BACKGROUND: MicroRNAs (miRNAs) are a class of small RNAs that regulate gene expression. They are aberrantly expressed in many human cancers and are potential therapeutic targets and molecular biomarkers. METHODS: In this study, we for the first time validated the reported data on the entire set of published differential miRNAs (102 in total) through a series of transcriptome-wide experiments. We have conducted genome-wide miRNA profiling in 17 urothelial carcinoma bladder tissues and in nine normal urothelial mucosa samples using three methods: (1) An Illumina HT-12 microarray hybridization (MA) analysis (2) a suppression-subtractive hybridization (SSH) assay followed by deep sequencing (DS) and (3) DS alone. RESULTS: We show that DS data correlate with previously published information in 87% of cases, whereas MA and SSH data have far smaller correlations with the published information (6 and 9% of cases, respectively). qRT-PCR tests confirmed reliability of the DS data. CONCLUSIONS: Based on our data, MA and SSH data appear to be inadequate for studying differential miRNA expression in the bladder. IMPACT: We report the first comprehensive validated database of miRNA markers of human bladder cancer.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».