MétaCan
Menu
Retour à la cohorte
Enregistrement W3021982075 · doi:10.1016/j.stem.2020.04.016

ADAR1-Dependent RNA Editing Promotes MET and iPSC Reprogramming by Alleviating ER Stress

2020· article· en· W3021982075 sur OpenAlexaff
Diana Guallar, Alejandro Fuentes-Iglesias, Yara Souto, Cristina Ameneiro, Óscar Freire-Agulleiro, José Ángel Pardavila, Adriana Escudero, Vera Garcia‐Outeiral, Tiago Moreira, Carmen Sáenz, Heng Xiong, Dongbing Liu, Shi-Di Xiao, Yong Hou, Kui Wu, Daniel Torrecilla, Jochen C. Hartner, Miguel G. Blanco, Leo J. Lee, Miguel López, Carl R. Walkley, Jianlong Wang, Miguel Fidalgo

Notice bibliographique

RevueCell stem cell · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA regulation and disease
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAgencia Estatal de InvestigaciónEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentEuropean Regional Development FundInstituto de Salud Carlos IIINational Health and Medical Research CouncilAustralian Research CouncilNational Institute of General Medical SciencesFundación Ramón ArecesHealth Medical Collaborative Innovation Program of GuangzhouXunta de GaliciaCentre of Excellence for Electromaterials Science, Australian Research CouncilNational Institutes of HealthConsellería de Cultura, Educación e Ordenación Universitaria, Xunta de GaliciaMinisterio de Asuntos Económicos y Transformación Digital, Gobierno de EspañaVictorian Cancer AgencyMinisterio de Economía y CompetitividadMinisterio de Ciencia, Innovación y UniversidadesSecretaria Xeral de Investigación e Desenvolvemento, Xunta de GaliciaNew York State Department of Health
Mots-clésReprogrammingBiologyCell biologyRNA editingInduced pluripotent stem cellTranscriptomeRNARNA-binding proteinEndoplasmic reticulumRNA silencingCell fate determinationSomatic cellCellGeneticsRNA interferenceGene expressionGeneTranscription factorEmbryonic stem cell

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,010
Tête enseignante GPT0,214
Écart entre enseignants0,204 · 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
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

Citations39
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueCell stem cellMême sujetRNA regulation and diseaseTravaux en français237 207