Long non‐coding RNAs in development and disease: conservation to mechanisms
Notice bibliographique
Résumé
Our genomes contain the blueprint of what makes us human and many indications as to why we develop disease. Until the last 10 years, most studies had focussed on protein-coding genes, more specifically DNA sequences coding for proteins. However, this represents less than 5% of our genomes. The other 95% is referred to as the 'dark matter' of our genomes, our understanding of which is extremely limited. Part of this 'dark matter' includes regions that give rise to RNAs that do not code for proteins. A subset of these non-coding RNAs are long non-coding RNAs (lncRNAs), which in particular are beginning to be dissected and their importance to human health revealed. To improve our understanding and treatment of disease it is vital that we understand the molecular and cellular function of lncRNAs, and how their misregulation can contribute to disease. It is not yet clear what proportion of lncRNAs is actually functional; conservation during evolution is being used to understand the biological importance of lncRNA. Here, we present key themes within the field of lncRNAs, emphasising the importance of their roles in both the nucleus and the cytoplasm of cells, as well as patterns in their modes of action. We discuss their potential functions in development and disease using examples where we have the greatest understanding. Finally, we emphasise why lncRNAs can serve as biomarkers and discuss their emerging potential for therapy. © 2020 The Authors. The Journal of Pathology published by John Wiley & Sons Ltd on behalf of Pathological Society of Great Britain and Ireland.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».