Extracellular Vesicles as Conduits of Non-Coding RNA Emission and Intercellular Transfer in Brain Tumors
Notice bibliographique
Résumé
Non-coding RNA (ncRNA) species have emerged in as molecular fingerprints and regulators of brain tumor pathogenesis and progression. While changes in ncRNA levels have been traditionally regarded as cell intrinsic there is mounting evidence for their extracellular and paracrine function. One of the key mechanisms that enables ncRNA to exit from cells is their selective packaging into extracellular vesicles (EVs), and trafficking in the extracellular space and biofluids. Vesicular export processes reduce intracellular levels of specific ncRNA in EV donor cells while creating a pool of EV-associated ncRNA in the extracellular space and biofluids that enables their uptake by other recipient cells; both aspects have functional consequences. Cancer cells produce several EV subtypes (exosomes, ectosomes), which differ in their ncRNA composition, properties and function. Several RNA biotypes have been identified in the cargo of brain tumor EVs, of which microRNAs are the most studied, but other species (snRNA, YRNA, tRNA, and lncRNA) are often more abundant. Of particular interest is the link between transforming oncogenes and the biogenesis, cargo, uptake and function of tumor-derived EV, including EV content of oncogenic RNA. The ncRNA repertoire of EVs isolated from cerebrospinal fluid and serum is being developed as a liquid biopsy platform in brain tumors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».