Osteoarthritis year in review: genetics, genomics, epigenetics
Notice bibliographique
Résumé
OBJECTIVE: In this review, we have highlighted advances in genetics, genomics and epigenetics in the field of osteoarthritis (OA) over the past year. METHODS: A literature search was performed using PubMed and the criteria: "osteoarthritis" and one of the following terms "genetic(s), genomic(s), epigenetic(s), epigenomic(s), noncoding RNA, microRNA, long noncoding RNA, lncRNA, circular RNA, RNA sequencing, single cell sequencing, or DNA methylation between April 1, 2019 and April 30, 2020. RESULTS: We identified 653 unique publications, many studies spanned multiple search terms. We summarized advances relating to evolutionary genetics, pain, ethnicity specific risk factors, functional studies of gene variants, and interactions between coding and non-coding RNAs in OA pathogenesis. CONCLUSIONS: Studies have identified variants contributing to OA susceptibility, candidate biomarkers for diagnosis and prognosis, as well as promising therapeutic candidates. Validation in multiple cohorts, multi-omics strategies, and machine learning aided computational analyses have all contributed to the strength of published literature. Open access data-sets, greater sample sizes to capture broader populations and understanding disease mechanisms by investigating the interactions between multiple tissue types will further aid in progress towards understanding and curing OA.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».