COMPUTATIONAL EVIDENCE FROM TWO CORRELATED DATA SOURCES AT DIFFERENT MOLECULAR LEVELS FOR AF-VHD-SPECIFIC MICRORNA SIGNATURE
Notice bibliographique
Résumé
The important roles of microRNAs (miRNAs) in the pathological process of the cardiovascular system have been recognized. However, identification of miRNAs related to valvular heart disease with atrial fibrillation (AF-VHD) has been difficult and very slow because of complex pathological mechanism of AF-VHD. Analysis of microarray expression profiles provides the possibility to rapid prediction of disease-regulating miRNAs and can lay a theoretical foundation for further experimental studies. A computational method is proposed to predict AF-VHD-specific miRNAs by combining miRNA and gene expression data, which are strongly correlated. Using the proposed method, a 45-miRNA AF-VHD-specific signature is predicted. Compared with other related results, 15 of 45 miRNAs are the same and the rest 30 miRNAs are different. Our analysis shows that 11 of 30 new miRNAs are associated with the diseases inducing AF-VHD and the remaining 19 miRNAs have good combinational discrimination power. Therefore, the AF-VHD signature we have predicted is confirmed to be reliable and specific. In a word, this study proposes an effective computational strategy in prediction of disease-regulating miRNAs and finds some AF-VHD-specific miRNAs, which provides new insight into the further experimental study and molecular mechanism leading to the development of AF-VHD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».