MétaCan
Menu
Retour à la cohorte
Enregistrement W3048331126 · doi:10.3389/fmolb.2020.00181

Fecal MicroRNAs as Potential Biomarkers for Screening and Diagnosis of Intestinal Diseases

2020· review· en· W3048331126 sur OpenAlexfundno aff
Humaira Rashid, Biplob Hossain, Towfida Jahan Siddiqua, Mamun Kabir, Zannatun Noor, Mamun Ahmed, Rashidul Haque

Notice bibliographique

RevueFrontiers in Molecular Biosciences · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Affairs CanadaDepartment for International DevelopmentStyrelsen för Internationellt Utvecklingssamarbete
Mots-clésmicroRNABiologyTranslation (biology)Gene silencingMessenger RNAGene expressionRNAGeneSmall RNARegulation of gene expressionComputational biologyBioinformaticsDiagnostic biomarkerGeneticsBiomarker

Résumé

récupéré en direct d'OpenAlex

MicroRNAs (miRNAs) are a class of conserved endogenous, small non-coding RNA molecules with a length of 18-25 nucleotides that regulate gene expression by RNA interference processes, including mRNA chopping, mRNA deadenylation, and translation inhibition. miRNAs maintain the physiological functions of the intestine and are instrumental in gut pathogenesis. miRNAs play an important role in intercellular communication and are present in all body fluids, including stools with different composition and concentrations. However, under diseased conditions, miRNAs are aberrantly expressed and act as negative regulators of gene expression. The stable and differentially expressed miRNAs in stool enables miRNAs to be used as potential biomarkers for screening of various intestinal diseases. In this review, we summarize the expressed miRNA profile in stool and highlight miRNAs as biomarkers with potential clinical and diagnostic applications, and we aim to address the prospects for recent advanced techniques for screening miRNA in diagnosis and prognosis of intestinal disorders.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,012
Tête enseignante GPT0,283
Écart entre enseignants0,271 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Molecular BiosciencesMême sujetMicroRNA in disease regulationTravaux en français237 207