MétaCan
Menu
Retour à la cohorte
Enregistrement W4309455663 · doi:10.3390/cells11223664

Illuminating the Molecular Intricacies of Exosomes and ncRNAs in Cardiovascular Diseases: Prospective Therapeutic and Biomarker Potential

2022· review· en· W4309455663 sur OpenAlexaff
Mir Azam Khan, Shahab Uddin, Abozer Y. Elderdery, Khang Wen Goh, Long Chiau Ming, Chrismawan Ardianto, Abdul Rasheed Palakot, Irfa Anwar, Mohsina Khan, Mohammad Owais, Chih‐Yang Huang, Jayasimha Rayalu Daddam, Meraj A. Khan, Shoaib Shoaib, Md Khursheed, Sara Reshadat, Hamid Reza Khayat Kashani, Sameer Mirza, Abbas Khaleel, Mohammed Akli Ayoub

Notice bibliographique

RevueCells · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensSickKids FoundationHospital for Sick Children
Organismes subventionnairesUnited Arab Emirates University
Mots-clésMicrovesiclesBiomarkerMedicineFunction (biology)ExosomeBioinformaticsBiomarker discoveryComputational biologyBiologymicroRNAProteomics

Résumé

récupéré en direct d'OpenAlex

Cardiovascular diseases (CVDs) are one of the leading causes of death worldwide. Accumulating evidences have highlighted the importance of exosomes and non-coding RNAs (ncRNAs) in cardiac physiology and pathology. It is in general consensus that exosomes and ncRNAs play a crucial role in the maintenance of normal cellular function; and interestingly it is envisaged that their potential as prospective therapeutic candidates and biomarkers are increasing rapidly. Considering all these aspects, this review provides a comprehensive overview of the recent understanding of exosomes and ncRNAs in CVDs. We provide a great deal of discussion regarding their role in the cardiovascular system, together with providing a glimpse of ideas regarding strategies exploited to harness their potential as a therapeutic intervention and prospective biomarker against CVDs. Thus, it could be envisaged that a thorough understanding of the intricacies related to exosomes and ncRNA would seemingly allow their full exploration and may lead clinical settings to become a reality in near future.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,262
Écart entre enseignants0,249 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetExtracellular vesicles in diseaseTravaux en français237 207