MétaCan
Menu
Retour à la cohorte
Enregistrement W2137917817 · doi:10.1186/1752-0509-7-s2-s11

Characterizing dynamic regulatory programs in mouse lung development and their potential association with tumourigenesis via miRNA-TF-mRNA circuits

2013· article· en· W2137917817 sur OpenAlexaff
Juan Liu, Xinghuo Ye, Fang‐Xiang Wu

Notice bibliographique

RevueBMC Systems Biology · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Natural Science Foundation of ChinaFundamental Research Funds for the Central UniversitiesMinistry of Education of the People's Republic of ChinaNational Science Foundation
Mots-clésmicroRNABiologyTranscription factorGeneGene regulatory networkTranscriptional regulationComputational biologyRegulation of gene expressionSystems biologyGeneticsGene expression

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In dynamic biological processes, genes, transcription factors(TF) and microRNAs(miRNAs) play vital regulation roles. Many researchers have focused on the transcription factors or miRNAs in transcriptional or post transcriptional stage, respectively. However, the transcriptional regulation and post transcriptional regulation is not isolated in the whole dynamic biological processes, there are few reserchers who have tried to consider the network composed by genes, miRNAs and TFs in this dynamic biological processes, especially in the mouse lung development. Moreover, it is widely acknowledged that cancer is a kind of developmental disorders, and some of pathways involved in tissue development might be also implicated in causing cancer. Although it has been found that many genes differentially expressed during mouse lung development are also differentially expressed in lung cancer, very little work has been reported to elucidate the combinational regulatory programs of such kind of associations. RESULTS: In order to investigate the association of transcriptional and post-transcriptional regulating activities in the mouse lung development, we define the significant triple relations among miRNAs, TFs and mRNAs as circuits. From the lung development time course data GSE21053, we mine 142610 circuit candidates including 96 TFs, 129 miRNAs and 13403 genes. After removing genes with little variation along different time points, we finally find 64760 circuit candidates, containing 8299 genes, 50 TFs, and 118 miRNAs in total. Further analysis on the circuits shows that the circuits vary in different stages of the lung development and play different roles. By investigating the circuits in the context of lung specific genes, we identify out the regulatory combinations for lung specific genes, as well as for those lung non-specific genes. Moreover, we show that the lung non-specific genes involved circuits are functionally related to the lung development. Noticing that some tissue developmental systems may be involved in tumourigenesis, we also check the cancer genes involved circuits, trying to find out their regulatory program, which would be useful for the research of lung cancer. CONCLUSIONS: The relevant transcriptional or post-transcriptional factors and their roles involved in the mouse lung development are both changed greatly in different stages. By investigating the cancer genes involved circuits, we can find miRNAs/TFs playing important roles in tumour progression. Therefore, the miRNA-TF-mRNA circuits can be used in wide translational biomedicine studies, and can provide potential drug targets towards the treatment of lung 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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
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)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,194 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Systems BiologyMême sujetMicroRNA in disease regulationTravaux en français237 207