MétaCan
Menu
Retour à la cohorte
Enregistrement W2586074121 · doi:10.5539/jmbr.v7n1p20

miRNA in Cancer Pathology

2017· article· en· W2586074121 sur OpenAlexvenueno aff
Mouneera Alakeel, Zainab Al-Doori

Notice bibliographique

RevueJournal of Molecular Biology Research · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmicroRNABiologyGeneComputational biologyTranslation (biology)Gene expressionRegulation of gene expressionFunction (biology)BioinformaticsGeneticsMessenger RNA

Résumé

récupéré en direct d'OpenAlex

MicroRNA/miRNA refers to types of RNA which are non-coding; they are21 to 25 nucleotides in length. In most cases, at particular nucleotide locations, they relate to one or more mRNAs. Deadenylation, cleavage, and alternative procedures of translation’s suppression are the means by which miRNA disturb gene repression. Recent investigations seem to propose that miRNAs are involved in many cell procedures and for this they became perfect targets for usage in healing purposes. Various miRNAs are involved in the development of human vascular diseases, due to their function in modulating vascular cell proliferation, differentiation, migration and apoptosis via their targeted genes. Since vascular diseases are multifactorial and complex, numerous genes may be involved in their progression and regulation. Therefore, miRNAs can also have multiple gene targets, and in some instances, one gene can be modulated by various miRNAs. As of now, more than 800 human microRNAs have been identified using miBase, and work is still being conducted to search for and characterize new miRNAs. With rigorous clinical and fundamental studies, a clear understanding of how miRNAs function, in addition to the ways they can be used as biomarkers and targets for cancer and cardiovascular illnesses, will progress.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,356

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,057
Tête enseignante GPT0,452
Écart entre enseignants0,395 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Molecular Biology ResearchMême sujetMicroRNA in disease regulationTravaux en français237 207