Particulate Matters Affecting lncRNA Dysregulation and Glioblastoma Invasiveness: In Silico Applications and Current Insights
Notice bibliographique
Résumé
With a reported rise in global air pollution, more than 50% of the population remains exposed to toxic air pollutants in the form of particulate matters (PMs). PMs, from various sources and of varying sizes, have a significant impact on health as long-time exposure to them has seen a correlation with various health hazards and have also been determined to be carcinogenic. In addition to disrupting known cellular pathways, PMs have also been associated with lncRNA dysregulation-a factor that increases predisposition towards the onset or progression of cancer. lncRNA dysregulation is further seen to mediate glioblastoma multiforme (GBM) progression. The vast array of information regarding cancer types including GBM and its various precursors can easily be obtained via innovative in silico approaches in the form of databases such as GEO and TCGA; however, a need to obtain selective and specific information correlating anthropogenic factors and disease progression-in the case of GBM-can serve as a critical tool to filter down and target specific PMs and lncRNAs responsible for regulating key cancer hallmarks in glioblastoma. The current review article proposes an in silico approach in the form of a database that reviews current updates on correlation of PMs with lncRNA dysregulation leading to GBM progression.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».