Prediction and Analysis of SARS-CoV-2-Targeting MicroRNA in Human Lung Epithelium
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), an RNA virus, is responsible for the coronavirus disease 2019 (COVID-19) pandemic of 2020. Experimental evidence suggests that microRNA can mediate an intracellular defence mechanism against some RNA viruses. The purpose of this study was to identify microRNA with predicted binding sites in the SARS-CoV-2 genome, compare these to their microRNA expression profiles in lung epithelial tissue and make inference towards possible roles for microRNA in mitigating coronavirus infection. We hypothesize that high expression of specific coronavirus-targeting microRNA in lung epithelia may protect against infection and viral propagation, conversely, low expression may confer susceptibility to infection. We have identified 128 human microRNA with potential to target the SARS-CoV-2 genome, most of which have very low expression in lung epithelia. Six of these 128 microRNA are differentially expressed upon in vitro infection of SARS-CoV-2. Additionally, 28 microRNA also target the SARS-CoV genome while 23 microRNA target the MERS-CoV genome. We also found that a number of microRNA are commonly identified in two other studies. Further research into identifying bona fide coronavirus targeting microRNA will be useful in understanding the importance of microRNA as a cellular defence mechanism against pathogenic coronavirus infections.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle