MétaCan
Menu
Retour à la cohorte
Enregistrement W2891545928 · doi:10.1038/s41598-018-31986-2

The intragenic mRNA-microRNA regulatory network during telogen-anagen hair follicle transition in the cashmere goat

2018· article· en· W2891545928 sur OpenAlexaff
Zhihong Liu, Feng Yang, Meng Zhao, Lina Ma, Haijun Li, Yuchun Xie, Rile Nai, Tianyu Che, Rui Su, Yanjun Zhang, Ruijun Wang, Zhiying Wang, Jinquan Li

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensMinistry of Agriculture
Organismes subventionnairesNatural Science Foundation of Inner MongoliaNational Natural Science Foundation of China
Mots-clésCashmere goatHair folliclemicroRNAFollicleBiologyGeneMessenger RNATransition (genetics)GeneticsEvolutionary biologyCell biologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

It is widely accepted that the periodic cycle of hair follicles is controlled by the biological clock, but the molecular regulatory mechanisms of the hair follicle cycle have not been thoroughly studied. The secondary hair follicle of the cashmere goat is characterized by seasonal periodic changes throughout life. In the hair follicle cycle, the initiation of hair follicles is of great significance for hair follicle regeneration. To provide a reference for hair follicle research, our study compared differences in mRNA expression and microRNA expression during the growth and repose stages of cashmere goat skin samples. Through microRNA and mRNA association analysis, we found microRNAs and target genes that play major regulatory roles in hair follicle initiation. We further constructed an mRNA-microRNA interaction network and found that hair follicle initiation and development were related to MiR-195 and the genes CHP1, SMAD2, FZD6 and SIAH1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,242
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), 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

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetCancer-related molecular mechanisms researchTravaux en français237 207