MétaCan
Menu
Retour à la cohorte
Enregistrement W2343579671 · doi:10.1016/j.gpb.2016.03.004

Up-Regulation of Long Non-Coding RNA <i>TUG1</i> in Hibernating Thirteen-Lined Ground Squirrels

2016· letter· en· W2343579671 sur OpenAlexafffund
Jacques J. Frigault, Daneck Lang-Ouellette, Pier Morin

Notice bibliographique

RevueGenomics Proteomics & Bioinformatics · 2016
Typeletter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBat Biology and Ecology Studies
Établissements canadiensUniversité de Moncton
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCoding (social sciences)BiologyRNAZoologyGeneticsGeneMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Mammalian hibernation is associated with multiple physiological, biochemical, and molecular changes that allow animals to endure colder temperatures. We hypothesize that long non-coding RNAs (lncRNAs), a group of non-coding transcripts with diverse functions, are differentially expressed during hibernation. In this study, expression levels of lncRNAsH19 and TUG1 were assessed via qRT-PCR in liver, heart, and skeletal muscle tissues of the hibernating thirteen-lined ground squirrels (Ictidomys tridecemlineatus). TUG1 transcript levels were significantly elevated 1.94-fold in skeletal muscle of hibernating animals when compared with euthermic animals. Furthermore, transcript levels of HSF2 also increased 2.44-fold in the skeletal muscle in hibernating animals. HSF2 encodes a transcription factor that can be negatively regulated by TUG1 levels and that influences heat shock protein expression. Thus, these observations support the differential expression of the TUG1-HSF2 axis during hibernation. To our knowledge, this study provides the first evidence for differential expression of lncRNAs in torpid ground squirrels, adding lncRNAs as another group of transcripts modulated in this mammalian species during hibernation.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,001

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 GPT0,214
Écart entre enseignants0,195 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenomics Proteomics & BioinformaticsMême sujetBat Biology and Ecology StudiesTravaux en français237 207