MétaCan
Menu
Retour à la cohorte
Enregistrement W2886931739 · doi:10.1002/jcp.26895

The effects of expression of different microRNAs on insulin secretion and diabetic nephropathy progression

2018· review· en· W2886931739 sur OpenAlexaff
Alireza Mafi, Esmat Aghadavod, Naghmeh Mirhosseini, Moein Mobini, Zatollah Asemi

Notice bibliographique

RevueJournal of Cellular Physiology · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversity of CalgaryPure North
Organismes subventionnairesnon disponible
Mots-clésmicroRNADiabetic nephropathyBiologySecretionInsulin resistanceInsulinDiabetes mellitusBioinformaticsNephropathyFibrosisCancer researchGeneEndocrinologyInternal medicineMedicineGenetics

Résumé

récupéré en direct d'OpenAlex

MicroRNAs (miRNAs) have recently become well-known efficacious biomarkers for the diagnosis of diabetic nephropathy (DN). MiRNAs, short noncoding RNAs, are posttranscriptional regulators of gene expression, which regulate several biological cell functions, including insulin production and secretion, as well as insulin resistance in tissues. Today, the focus of the medical world is centered on the role of miRNAs as mediators for different diseases, such as DN and end-stage renal diseases (ESRD). MiRNAs are stable and detectable in human biological fluids, so their detection for early diagnosis of different diseases is highly sensitive and specific. Previous reports have shown that the alteration of miRNA profiles significantly correlates with specific stages of DN, kidney fibrosis, and renal dysfunction. This review was aimed at assessing the pathway of different miRNA expressions responsible for insulin secretion disorder and DN 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil0,660

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,263
Écart entre enseignants0,255 · 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
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

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cellular PhysiologyMême sujetMicroRNA in disease regulationTravaux en français237 207