MétaCan
Menu
Retour à la cohorte
Enregistrement W2267685090 · doi:10.3389/fphys.2016.00021

Targeting MicroRNA Function in Respiratory Diseases: Mini-Review

2016· review· en· W2267685090 sur OpenAlexfundno aff
Steven Maltby, Maximilian Plank, Hock L. Tay, Adam Collison, Paul S. Foster

Notice bibliographique

RevueFrontiers in Physiology · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilCanadian Institutes of Health ResearchMedical Research CouncilHunter Medical Research Institute
Mots-clésmicroRNAMedicineBronchoalveolar lavageCystic fibrosisDiseaseBioinformaticsImmunologyLungPathologyBiologyInternal medicineGene

Résumé

récupéré en direct d'OpenAlex

MicroRNAs (miRNAs) are small non-coding RNA molecules that modulate expression of the majority of genes by inhibiting protein translation. Growing literature has identified functional roles for miRNAs across a broad range of biological processes. As such, miRNAs are recognized as potential disease biomarkers and novel targets for therapies. While several miRNA-targeted therapies are currently in clinical trials (e.g., for the treatment of hepatitis C virus infection and cancer), no therapies have targeted miRNAs in respiratory diseases in the clinic. In this mini-review, we review the current knowledge on miRNA expression and function in respiratory diseases, intervention strategies to target miRNA function, and considerations specific to respiratory diseases. Altered miRNA expression profiles have been reported in a number of respiratory diseases, including asthma, chronic obstructive pulmonary disease, cystic fibrosis, and idiopathic pulmonary fibrosis. These include alterations in isolated lung tissue, as well as sputum, bronchoalveolar lavage fluids and peripheral blood or serum. The observed alterations in easily accessible body fluids (e.g., serum) have been proposed as new biomarkers that may inform disease diagnosis and patient management. In a subset of studies, miRNA-targeted interventions also improved disease outcomes, indicating functional roles for altered miRNA expression in disease pathogenesis. In fact, direct administration of miRNA-targeting molecules to the lung has yielded promising results in a number of animal models. The ability to directly administer compounds to the lung holds considerable promise and may limit potential off-target effects and side effects caused by the systemic administration required to treat other diseases.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,013
Tête enseignante GPT0,277
Écart entre enseignants0,264 · 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
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

Citations79
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetMicroRNA in disease regulationTravaux en français237 207