MétaCan
Menu
Retour à la cohorte
Enregistrement W4220719430 · doi:10.3389/fonc.2022.808475

Interplay Between Non-Coding RNAs and Programmed Cell Death Proteins

2022· review· en· W4220719430 sur OpenAlexaff
Soudeh Ghafouri‐Fard, Bashdar Mahmud Hussen, Mahdi Mohaqiq, Hamed Shoorei, Aria Baniahmad, Mohammad Taheri, Elena Jamali

Notice bibliographique

RevueFrontiers in Oncology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueAutophagy in Disease and Therapy
Établissements canadiensOttawa HospitalCentennial CollegeUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMALAT1microRNAMEG3BiologyDiseaseContext (archaeology)Programmed cell deathComputational biologyRNALong non-coding RNABioinformaticsApoptosisCancer researchGeneticsMedicineGeneInternal medicine

Résumé

récupéré en direct d'OpenAlex

Programmed cell death (PDCD) family of proteins includes at least 12 members, function of seven of them being more investigated. These members are PDCD1, PDCD2, PDCD4, PDCD5, PDCD6, PDCD7 and PDCD10. Consistent with the important roles of these proteins in the regulation of apoptosis, dysregulation of PDCDs is associated with diverse disorders ranging from intervertebral disc degeneration, amyotrophic lateral sclerosis, immune thrombocytopenia, type 1 diabetes, congenital hypothyroidism, Alzheimer's disease to different types of cancers. More recently, the interaction between non-coding RNAs and different members of PDCD family is being discovered. In the current study, we described the functional interactions between PDCDs and two classes of non-coding RNAs, namely microRNAs (miRNAs) and long non-coding RNAs (lncRNAs). miR-21 and miR-183 are two miRNAs whose interactions with PDCDs have been assessed in different contexts. The lncRNAs interaction with PDCDs is mainly assessed in the context of neoplasia indicating the role of MALAT1, MEG3, SNHG14 and LINC00473 in this process.

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 enseignants0,001
Score d'incertitude au seuil0,005

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)0,0010,001

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 Opus0,047
Tête enseignante GPT0,390
Écart entre enseignants0,343 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetAutophagy in Disease and TherapyTravaux en français237 207