In silico Meta-Analysis of Circulatory microRNAs in Prostate Cancer
Notice bibliographique
Résumé
Circulatory microRNAs (miRNAs) have emerged as a new class of non coding RNA molecules which regulate many crucial molecular and biological processes. We have aimed to shed light on the roles of circulatory miRNAs in Prostate Cancer (PCa) using an integrative in silico bioinformatics approach. We have described a new protocol for target prediction and functional analysis which was applied to 40 highly differentially dysregulatedcirculatory miRNAs in PCa. This framework comprises: (i) evidence of involvement of these circulatory miRNAs from previous literature and microarray analysis (ii) overlap of prediction results by target prediction tools, including miRTarBase, miRDB, DIANA- microT 4.0 and TargetScan (combining computational learning, alignment, interaction energy and statistical tests for minimization of false positives), (iii) gene ontology (GO) along with pathway enrichment analysis of the miRNA targets and their pathways and (iv) linking these pathways to oncogenesis and cancer hallmarks. More than 200 target genes and 40 regulatory pathways were retrieved and analysed which was followed by associating their roles with cancer hallmark processes. Wnt signalling, Cell cycle, MAPK signalling, Cadherin signalling, Integrin signalling and Ras pathways were some of the identified regulatory pathways during bioinformatics analysis. These signalling and developmental pathways crosstalk and regulate stem cell renewal thus indicating a definite role of circulatory miRNAs in PCa development. Our study identified miR-181, miR-9, Let-7 family, miR-26b circulatory miRNAs, to be contributing majorly in the oncogenic pathways, thus proposing their role as potential biomarkers in PCa initiation and progression.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».