MétaCan
Menu
Retour à la cohorte
Enregistrement W3196388689 · doi:10.3389/fpls.2021.686831

MicroRNAs in Woody Plants

2021· review· en· W3196388689 sur OpenAlexfundno aff
Lisha Fang, Yanmei Wang

Notice bibliographique

RevueFrontiers in Plant Science · 2021
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Molecular Biology Research
Établissements canadiensnon disponible
Organismes subventionnairesCollege of Engineering, Michigan State UniversityNational Forestry and Grassland AdministrationConcordia UniversityMichigan State University
Mots-clésBiologymicroRNATranscription factorGeneGene expressionRegulation of gene expressionAbiotic componentSmall RNACell biologyComputational biologyGeneticsEcology

Résumé

récupéré en direct d'OpenAlex

MicroRNAs (miRNAs) are small (∼21-nucleotides) non-coding RNAs found in plant and animals. MiRNAs function as critical post-transcriptional regulators of gene expression by binding to complementary sequences in their target mRNAs, leading to mRNA destabilization and translational inhibition. Plant miRNAs have some distinct characteristics compared to their animal counterparts, including greater evolutionary conservation and unique miRNA processing methods. The lifecycle of a plant begins with embryogenesis and progresses through seed germination, vegetative growth, reproductive growth, flowering and fruiting, and finally senescence and death. MiRNAs participate in the transformation of plant growth and development and directly monitor progression of these processes and the expression of certain morphological characteristics by regulating transcription factor genes involved in cell growth and differentiation. In woody plants, a large and rapidly increasing number of miRNAs have been identified, but their biological functions are largely unknown. In this review, we summarize the progress of miRNA research in woody plants to date. In particular, we discuss the potential roles of these miRNAs in growth, development, and biotic and abiotic stresses responses in woody plants.

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 seuil0,008

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,043
Tête enseignante GPT0,296
Écart entre enseignants0,253 · 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

Citations23
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Plant ScienceMême sujetPlant Molecular Biology ResearchTravaux en français237 207