MétaCan
Menu
Retour à la cohorte
Enregistrement W2317381522 · doi:10.1097/mol.0b013e3283534c9f

MicroRNAs

2012· review· en· W2317381522 sur OpenAlexafffund
Jennifer Sacco, Khosrow Adeli

Notice bibliographique

RevueCurrent Opinion in Lipidology · 2012
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of TorontoHeart and Stroke Foundation of Canada
Mots-clésmicroRNALipid metabolismBiologyGlucose homeostasisAdipogenesisFunction (biology)Cell biologyInsulin resistanceGeneDiabetes mellitusBiochemistryEndocrinology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: MicroRNAs (miRNAs) regulate gene expression by binding to target mRNAs and control a wide range of biological functions. Recent reports have identified specific miRNAs as major regulators of fatty acid and cholesterol homeostasis. This review examines the biological function of various miRNAs and the emerging evidence linking specific miRNAs to critical pathways in lipid metabolism. RECENT FINDINGS: Disruption of lipid balance can lead to metabolic disturbances and thus tight regulation is required to maintain lipid homeostasis. Recent studies have shown key roles for miR-33 and miR-122 in regulation of lipid metabolism, and further evidence implicates miR-370 in regulation of miR-122. In addition, miRNAs involved in adipogenesis (miR-378/378* and miR-27) as well as newly discovered miRNAs such as miR-613, miR-302a, and miR-168 have now been implicated in regulation of lipid metabolism. SUMMARY: Growing evidence support key roles for miRNAs in regulating both cholesterol and fatty acid metabolism, leading to considerable interest in miRNAs as potential drug targets to modulate lipid and lipoprotein metabolism. MiRNA-based therapeutics hold considerable promise in the fight to curtail the growing epidemic of obesity and type 2 diabetes and the associated risk of atherosclerosis.

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 enseignants0,032
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0320,039

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 Opus0,125
Tête enseignante GPT0,402
Écart entre enseignants0,277 · 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

Citations95
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in LipidologyMême sujetMicroRNA in disease regulationTravaux en français237 207