MétaCan
Menu
Retour à la cohorte
Enregistrement W2563158171 · doi:10.1515/cclm-2016-0575

microRNAs in lipoprotein and lipid metabolism: from biological function to clinical application

2016· review· en· W2563158171 sur OpenAlexaff
Véronique Desgagné, Luigi Bouchard, Renée Guérin

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésmicroRNABiologyLipid metabolismContext (archaeology)RNATranslation (biology)BioinformaticsComputational biologyGeneMessenger RNAGeneticsEndocrinology

Résumé

récupéré en direct d'OpenAlex

microRNAs (miRNAs) are short (~22 nucleotides), non-coding, single-stranded RNA molecules that regulate the expression of target genes by partial sequence-specific base-pairing to the targeted mRNA 3'UTR, blocking its translation, and promoting its degradation or its sequestration into processing bodies. miRNAs are important regulators of several physiological processes including developmental and metabolic functions, but their concentration in circulation has also been reported to be altered in many pathological conditions such as familial hypercholesterolemia, cardiovascular diseases, obesity, type 2 diabetes, and cancers. In this review, we focus on the role of miRNAs in lipoprotein and lipid metabolism, with special attention to the well-characterized miR-33a/b, and on the huge potential of miRNAs for clinical application as biomarkers and therapeutics in the context of cardiometabolic 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,987
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,376
Écart entre enseignants0,329 · 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 tête enseignante, pas un consensus.

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

Citations54
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetMicroRNA in disease regulationTravaux en français237 207