MétaCan
Menu
Retour à la cohorte
Enregistrement W4220770386 · doi:10.3389/fgene.2022.868598

Small Non-Coding RNAs in the Human Placenta: Regulatory Roles and Clinical Utility

2022· review· en· W4220770386 sur OpenAlexafffund
Nikita Telkar, Greg L. Stewart, Michelle E. Pewarchuk, David E. Cohn, Wendy P. Robinson, Wan L. Lam

Notice bibliographique

RevueFrontiers in Genetics · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentCanadian Institutes of Health ResearchNational Institutes of HealthUniversity of British Columbia
Mots-clésSmall nucleolar RNAmicroRNABiologyPlacentaRegulation of gene expressionGene silencingGeneGene expressionRNAGeneticsLong non-coding RNAComputational biologyBioinformaticsNon-coding RNAPregnancyFetus

Résumé

récupéré en direct d'OpenAlex

The placenta is a vital organ formed during pregnancy, and being the interface between the mother and fetus, it is paramount that placental functioning is strictly controlled. Gene expression in the placenta is finely tuned-with aberrant expression causing placental pathologies and inducing stress on both mother and fetus. Gene regulation is brought upon by several mechanisms, and small non-coding RNAs (sncRNAs) have recently been appreciated for their contribution in gene repression. Their dysregulation has been implicated in a range of somatic and inherited disorders, highlighting their importance in maintaining healthy organ function. Their specific roles within the placenta, however, are not well understood, and require further exploration. To this end, we summarize the mechanisms of microRNAs (miRNAs), Piwi-interacting RNAs (piRNAs), small nuclear RNAs (snRNAs), small nucleolar RNAs (snoRNAs), and transfer RNAs (tRNAs), their known contributions to human placental health and disease, the relevance of sncRNAs as promising biomarkers throughout pregnancy, and the current challenges faced by placental sncRNA studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,055
Tête enseignante GPT0,332
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

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

Citations11
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetMicroRNA in disease regulationTravaux en français237 207