MétaCan
Menu
Retour à la cohorte
Enregistrement W3121721028 · doi:10.1016/j.ymthe.2021.01.018

Circular RNAs: Expression, localization, and therapeutic potentials

2021· review· en· W3121721028 sur OpenAlexafffund
Qiwei Yang, Feiya Li, Alina T. He, Burton B. Yang

Notice bibliographique

RevueMolecular Therapy · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCircular RNAs in diseases
Établissements canadiensSunnybrook Health Science CentreSunnybrook HospitalUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchChina Scholarship Council
Mots-clésExpression (computer science)Cell biologyComputational biologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Circular RNAs (circRNAs) are RNAs with a unique circular structure that is generated from back-splicing processes. These circular molecules were discovered more than 40 years ago but failed to raise scientific interest until lately. Increasing studies have found that these circular RNAs might not just be byproducts of the splicing process but possess important regulatory functions through different cellular events. Most circular RNAs are currently being studied in the field of cancer, and many of them have been confirmed to be involved in the process of tumorigenesis. However, many circular RNAs are implicated in the developmental stages of diseases other than cancer. In this review, we focus on discussing the role of circular RNAs in non-cancer diseases, especially in cardiovascular diseases. Following the summary of the life cycle of circRNAs, we provide input on studying circRNA-protein interactions based on our experience, which modulate protein translocation. Furthermore, we outline the potential of circRNAs to be potent biomarkers, effective therapeutic targets, and potential treatments in cardiovascular diseases as well as other non-cancer fields.

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,027
Tête enseignante GPT0,319
Écart entre enseignants0,292 · 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

Citations170
Publié2021
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueMolecular TherapyMême sujetCircular RNAs in diseasesTravaux en français237 207