MétaCan
Menu
Retour à la cohorte
Enregistrement W3045704485 · doi:10.1101/gr.254219.119

Functional annotation of human long noncoding RNAs via molecular phenotyping

2020· article· en· W3045704485 sur OpenAlexafffund
Jordan A. Ramilowski, Chi Wai Yip, Saumya Agrawal, Jen-Chien Chang, Yari Ciani, Ivan V. Kulakovskiy, Mickaël Mendez, Jasmine Li Ching Ooi, John F. Ouyang, Nick Parkinson, Andreas Petri, Leonie Roos, Jessica Severin, Kayoko Yasuzawa, Imad Abugessaisa, Altuna Akalin, Ivan Antonov, Alessandro Bonetti, Hidemasa Bono, Beatrice Borsari, Frank Brombacher, Christopher J. F. Cameron, Carlo Vittorio Cannistraci, Ryan Cardenas, Mélissa Cardon, Howard Y. Chang, Josée Dostie, Luca Ducoli, Alexander V. Favorov, Alexandre Fort, Diego Garrido-Martín, Noa Gil, Juliette Gimenez, Reto Guler, Lusy Handoko, Jayson Harshbarger, Akira Hasegawa, Yuki Hasegawa, Kosuke Hashimoto, Norihito Hayatsu, Peter Heutink, Tetsuro Hirose, Eddie L. Imada, Masayoshi Itoh, Bogumił Kaczkowski, Aditi Kanhere, Emily Kawabata, Hideya Kawaji, Tsugumi Kawashima, S. Thomas Kelly, Miki Kojima, Naoto Kondo, Haruhiko Koseki, Tsukasa Kouno, Anton Kratz, Mariola Kurowska‐Stolarska, Andrew Tae-Jun Kwon, Jeffrey T. Leek, Andreas Lennartsson, Marina Lizio, Fernando Martínez López, Joachim Luginbühl, Shiori Maeda, Vsevolod J. Makeev, Luigi Marchionni, Yulia A. Medvedeva, Aki Minoda, Ferenc Müller, Manuel Muñoz-Aguirre, Mitsuyoshi Murata, Hiromi Nishiyori, Kazuhiro R. Nitta, Shuhei Noguchi, Yukihiko Noro, Ramil Nurtdinov, Yasushi Okazaki, Valerio Orlando, Denis Paquette, Callum Parr, Owen J. L. Rackham, Patrizia Rizzu, Diego F. Sánchez, Albin Sandelin, Sanjana Pillay, Colin A. Semple, Youtaro Shibayama, Divya M. Sivaraman, Takahiro Suzuki, Suzannah C. Szumowski, Michihira Tagami, Martin S. Taylor, Chikashi Terao, Malte Thodberg, Supat Thongjuea, Vidisha Tripathi, Igor Ulitsky, Roberto Verardo, Ilya E. Vorontsov, Chinatsu Yamamoto, Robert S. Young, J. Kenneth Baillie, Alistair R. R. Forrest, Roderic Guigó, Michael M. Hoffman, Chung-Chau Hon, Takeya Kasukawa, Sakari Kauppinen, Juha Kere, Boris Lenhard, Claudio Schneider, Harukazu Suzuki, Ken Yagi, Michiel de Hoon, Jay W. Shin, Piero Carninci

Notice bibliographique

RevueGenome Research · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensPrincess Margaret Cancer CentreInstitute of Infection and ImmunityMcGill UniversityUniversity of Toronto
Organismes subventionnairesEuropean Social FundRIKENNatural Sciences and Engineering Research Council of CanadaNational Institutes of HealthH. Lundbeck A/SMedical Research CouncilVersus ArthritisMinistry of Education, Culture, Sports, Science and TechnologyRussian Science FoundationGeneralitat de CatalunyaNovo NordiskNational Cancer InstituteMinistero dell’Istruzione, dell’Università e della RicercaVetenskapsrådetLundbeckfondenCancerfondenRussian Academy of SciencesJapan Society for the Promotion of ScienceNational Health and Medical Research CouncilRussian Foundation for Basic ResearchWellcome TrustU.S. Department of Defense
Mots-clésBiologyComputational biologyLong non-coding RNAGeneticsHuman genomeAnnotationNon-coding RNAmicroRNARNAGenomeGene

Résumé

récupéré en direct d'OpenAlex

Long noncoding RNAs (lncRNAs) constitute the majority of transcripts in the mammalian genomes, and yet, their functions remain largely unknown. As part of the FANTOM6 project, we systematically knocked down the expression of 285 lncRNAs in human dermal fibroblasts and quantified cellular growth, morphological changes, and transcriptomic responses using Capped Analysis of Gene Expression (CAGE). Antisense oligonucleotides targeting the same lncRNAs exhibited global concordance, and the molecular phenotype, measured by CAGE, recapitulated the observed cellular phenotypes while providing additional insights on the affected genes and pathways. Here, we disseminate the largest-to-date lncRNA knockdown data set with molecular phenotyping (over 1000 CAGE deep-sequencing libraries) for further exploration and highlight functional roles for ZNF213-AS1 and lnc-KHDC3L-2 .

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)0,001
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: aucune
Score de désaccord entre enseignants0,584
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,076
Tête enseignante GPT0,357
Écart entre enseignants0,281 · 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

Citations197
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenome ResearchMême sujetCancer-related molecular mechanisms researchTravaux en français237 207