MétaCan
Menu
Retour à la cohorte
Enregistrement W3142494202 · doi:10.3390/cancers13071555

Noncoding RNAs in Glioblastoma: Emerging Biological Concepts and Potential Therapeutic Implications

2021· review· en· W3142494202 sur OpenAlexafffund
Uswa Shahzad, Stacey Krumholtz, James T. Rutka, Sunit Das

Notice bibliographique

RevueCancers · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensSt. Michael's HospitalSickKids FoundationCanada Research ChairsHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésmicroRNABiologyNon-coding RNAComputational biologyPiwi-interacting RNALong non-coding RNABiogenesisGlioblastomaRNABioinformaticsGeneticsGeneCancer researchRNA interference

Résumé

récupéré en direct d'OpenAlex

Noncoding RNAs (ncRNAs) have emerged as a novel class of genomic regulators, ushering in a new era in molecular biology. With the advent of advanced genetic sequencing technology, several different classes of ncRNAs have been uncovered, including microRNAs (miRNAs), long noncoding RNAs (lncRNAs), circular RNAs (circRNAs), and piwi-interacting RNAs (piRNAs), which have been linked to many important developmental and disease processes and are being pursued as clinical and therapeutic targets. Molecular phenotyping studies of glioblastoma (GBM), the most common and lethal cancer of the adult brain, revealed that several ncRNAs are frequently dysregulated in its pathogenesis. Additionally, ncRNAs regulate many important aspects of glioma biology including tumour cell proliferation, migration, invasion, apoptosis, angiogenesis, and self-renewal. Here, we present an overview of the biogenesis of the different classes of ncRNAs, discuss their biological roles, as well as their relevance to gliomagenesis. We conclude by discussing potential approaches to therapeutically target the ncRNAs in clinic.

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

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,381
Écart entre enseignants0,338 · 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

Citations50
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetCancer-related molecular mechanisms researchTravaux en français237 207