MétaCan
Menu
Retour à la cohorte
Enregistrement W3092506834 · doi:10.1016/j.semcancer.2020.10.002

Circular RNAs in cancer: Limitations in functional studies and diagnostic potential

2020· review· en· W3092506834 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSeminars in Cancer Biology · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCircular RNAs in diseases
Établissements canadiensSunnybrook HospitalSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésmicroRNACircular RNAComputational biologyMechanism (biology)BiologyBiomarkerCancerNon-coding RNABioinformaticsGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Circular RNAs (circRNAs) are a large class of noncoding RNAs, generated from a process called back-splicing, that possess critical regulatory functions in many cellular events. A large body of literature has reported various circRNA functions and their underlying mechanisms, including sponging miRNA, exerting transcriptional and translational regulation, interacting with proteins, and translating into peptides and proteins. CircRNA dysregulation has been implicated in many cancers, including lung, breast, liver, gastric, colorectal, and ovarian cancer. They are detectable in bodily fluids and relatively stable, making them potential cancer biomarker candidates. Furthermore, targeting circRNA expression levels is a potential therapeutic approach for treating cancers. In this review, we describe the functional mechanisms of circRNAs and discuss limitations of current mechanism studies. Following this, we outline the potential of circRNAs to be effective biomarkers in various cancers and present circRNA-based therapeutic approaches. Finally, we discuss challenges in using circRNAs as diagnostic and therapeutic tools and propose future research directions.

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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,988
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,090
Tête enseignante GPT0,378
Écart entre enseignants0,288 · 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