Micro-RNA and epigenetic factors regulatory network during Myelopoiesis
Notice bibliographique
Résumé
Mammalian hematopoiesis is a hierarchal developmental process, which starts with Hematopoietic Stem Cells (HSCs) in bone marrow and through progressive stages of lineage commitment and differentiation gives rise to different mature blood cell types. These blood types can be classified into myeloid and lymphoid lineages. Epigenetic factors (EFs) are a class of gene regulators that modulate chromatin signatures and also work in concert with other classes of regulators like transcription factors (TFs) and non-coding RNAs (ncRNAs), in regulating normal development process. Perturbations in the expression of these regulators have been linked to various developmental defects and diseases progression including hematopoiesis. We are interested in understanding the cross-talk among these crucial regulators during myeloid cell development and acute myeloid leukemia. Towards this, we have analyzed the mRNA expression profile during each stage of myeloid cell development. The differentially expressed EFs during each stage of development were integrated with a network formed using curated gene regulations from different databases and a potentially active EF sub-network for each stage of development was extracted. These active stage specific sub-networks were further analyzed to obtain the unexplored potential regulatory relationship between EFs and miRNAs in a stage specific manner. The stage specific regulatory network generation will provide a framework for further understanding and targeting crucial EFs in hematopoiesis or blood cell development, perturbation in which leads to leukemia.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».