MétaCan
Menu
Retour à la cohorte
Enregistrement W2149882505 · doi:10.2174/978160805184711001010027

miRNAs in Cardiac Development

2010· book-chapter· en· W2149882505 sur OpenAlexaff
Zhiguo Wang

Notice bibliographique

RevueBENTHAM SCIENCE PUBLISHERS eBooks · 2010
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversité de MontréalMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésmicroRNABiologyHeart developmentInduced pluripotent stem cellEmbryonic stem cellEpigeneticsStem cellCellular differentiationHeart diseaseBioinformaticsCell biologyComputational biologyGeneticsMedicinePathologyGene

Résumé

récupéré en direct d'OpenAlex

This chapter aims to summarize the available data on regulation of cardiac development and stem cell differentiation by miRNAs. Heart malformations occur in as high as 1% of newborns, presenting a significant clinical problem in our modern world. The first functional organ in the embryo is the heart and cardiovascular system and the heart is susceptible to congenital defects more than any other organ. Both intrinsic and extrinsic factors determine the development of the cardiovascular system. miRNA was initially described as being fundamental for developmental biology first in nematode worms and then in phylogenically more advanced organisms. Many defects of the miRNA machinery are incompatible with correct and/or continued development. On the other hand, pluripotency and cellular differentiation are intricate biological processes that are coordinately regulated by a complex set of factors and epigenetic regulators. As in other tissues, a distinct set of miRNAs is specifically expressed in pluripotent embryonic stem cells. This chapter describes the involvement of miRNAs in normal cardiac development, in congenital heart disease and Down syndrome, and in determining stem cell fate. In particular, the roles of miR-1, miR-133, miR-130a and miR-138 in cardiac development are described as these miRNAs have been experimentally studied in detail.

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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,007

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 Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,217 · 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
GenreAutre

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

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBENTHAM SCIENCE PUBLISHERS eBooksMême sujetMicroRNA in disease regulationTravaux en français237 207