MétaCan
Menu
Retour à la cohorte
Enregistrement W2293867312 · doi:10.2174/978160805184711001010096

miRNAs in Cardiac Fibrosis

2010· book-chapter· en· W2293867312 sur OpenAlexaff
Zhiguo Wang

Notice bibliographique

RevueBENTHAM SCIENCE PUBLISHERS eBooks · 2010
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueCardiac Fibrosis and Remodeling
Établissements canadiensUniversité de MontréalMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésExtracellular matrixCardiac fibrosisFibrosisMyocardial fibrosisFibroblastmicroRNAMyocyteMyofibroblastMuscle hypertrophyPressure overloadBiologyCardiac muscleCell biologyMedicineCardiologyInternal medicineCardiac hypertrophyGeneticsCell cultureGene

Résumé

récupéré en direct d'OpenAlex

The goal of this chapter is to discuss the regulation of cardiac fibrosis by miRNAs. Cardiac myocytes are normally surrounded by a fine network of collagen fibers. In the normal heart, two thirds of the cell population is composed of nonmuscle cells, the majority of which are fibroblasts. Cardiac fibrosis is the result of both an increase in fibroblast proliferation and extracellular matrix (ECM) deposition. A growing body of evidence indicates that, along with cardiomyocytes hypertrophy, diffusion of interstitial fibrosis is a key pathologic feature of myocardial remodelling in a number of cardiac diseases of different (e.g. ischemic, hypertensive, valvular, genetic, and metabolic) origin. The extracellular matrix (ECM) is a dynamic microenvironment; changes within ECM constitute the second important myocardial adaptation that occurs during cardiac remodelling. A subset of miRNAs is enriched in cardiac fibroblasts compared to cardiomyocytes. A number of studies have demonstrated the involvement of miRNAs in regulating myocardial fibrosis in the settings of myocardial ischemia or mechanical overload. Some miRNAs (miR-208 and miR-21) have been shown to favor fibrogenesis, being profibrotic miRNAs. Others including miR-29, miR-133, miR-30c, and miR-590 have been demonstrated to produce inhibitory effects on fibrogenesis, being anti-fibrotic miRNAs.

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 enseignants0,024
Score d'incertitude au seuil0,081

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
Bibliométrie0,0010,001
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)0,0240,012

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 Opus0,019
Tête enseignante GPT0,254
Écart entre enseignants0,235 · 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 sujetCardiac Fibrosis and RemodelingTravaux en français237 207