Long non-coding RNAs in ischemic stroke
Notice bibliographique
Résumé
Stroke is one of the leading causes of mortality and disability worldwide. Uncovering the cellular and molecular pathophysiological processes in stroke have been a top priority. Long non-coding (lnc) RNAs play critical roles in different kinds of diseases. In recent years, a bulk of aberrantly expressed lncRNAs have been screened out in ischemic stroke patients or ischemia insulted animals using new technologies such as RNA-seq, deep sequencing, and microarrays. Nine specific lncRNAs, antisense non-coding RNA in the INK4 locus (ANRIL), metastasis-associate lung adenocarcinoma transcript 1 (MALAT1), N1LR, maternally expressed gene 3 (MEG3), H19, CaMK2D-associated transcript 1 (C2dat1), Fos downstream transcript (FosDT), small nucleolar RNA host gene 14 (SNHG14), and taurine-upregulated gene 1 (TUG1), were found increased in cerebral ischemic animals and/or oxygen-glucose deprived (OGD) cells. These lncRNAs were suggested to promote cell apoptosis, angiogenesis, inflammation, and cell death. Our Gene Ontology (GO) enrichment analysis predicted that MEG3, H19, and MALAT1 might also be related to functions such as neurogenesis, angiogenesis, and inflammation through mechanisms of gene regulation (DNA transcription, RNA folding, methylation, and gene imprinting). This knowledge may provide a better understanding of the functions and mechanisms of lncRNAs in ischemic stroke. Further elucidating the functions and mechanisms of these lncRNAs in biological systems under normal and pathological conditions may lead to opportunities for identifying biomarkers and novel therapeutic targets of ischemic stroke.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».