MétaCan
Menu
Retour à la cohorte
Enregistrement W2155302688 · doi:10.1161/circresaha.114.301798

MicroRNA Regulation and Cardiac Calcium Signaling

2014· review· en· W2155302688 sur OpenAlexafffund
Masafumi Harada, Xiaobin Luo, Toyoaki Murohara, Baofeng Yang, Dobromir Dobrev, Stanley Nattel

Notice bibliographique

RevueCirculation Research · 2014
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesCanadian Institutes of Health ResearchInstitut de Cardiologie de Montréal
Mots-clésmicroRNAAtrial fibrillationBiologyCalcium signalingHeart failureSignal transductionRegulation of gene expressionCardiac function curveFunction (biology)Gene expressionCell signalingBioinformaticsCell biologyGeneInternal medicineMedicineGenetics

Résumé

récupéré en direct d'OpenAlex

MicroRNAs (miRNAs) are emerging as key control molecules in the regulation of gene expression, and their role in heart disease is becoming increasingly evident. Given the critical role of Ca(2+) handling and signaling proteins in the maintenance of cardiac function, the targeting of such proteins by miRNAs would be expected to have important consequences. miRNAs have indeed been shown to control the expression of genes encoding important Ca(2+) handling and signaling proteins, and are themselves regulated by Ca(2+)-dependent processes. Ca(2+)-related miRNAs have been found to be significant pathophysiological contributors in conditions like myocardial ischemic injury, cardiac hypertrophy, heart failure, ventricular arrhythmogenesis, and atrial fibrillation. This review is a comprehensive analysis of the present knowledge concerning miRNA regulation of Ca(2+) handling processes, the participation of Ca(2+)-regulating miRNAs in the evolution of heart disease, the mutual relationship between Ca(2+) signaling and miRNAs in the control of cardiac function, and the potential value of miRNA-control of Ca(2+) handling as a therapeutic target.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,992
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,095
Tête enseignante GPT0,405
Écart entre enseignants0,310 · 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 tête enseignante, pas un consensus.

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

Citations121
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation ResearchMême sujetMicroRNA in disease regulationTravaux en français237 207