Circular RNAs in Epithelial Ovarian Cancer: From Biomarkers to Therapeutic Targets
Notice bibliographique
Résumé
Epithelial ovarian cancer (EOC) is the most lethal gynecological cancer, and more than 70% of patients are diagnosed at advanced stages. Despite the application of surgery and chemotherapy, the prognosis remains poor due to the high relapse rate. It is urgent to identify novel biomarkers and develop novel therapeutic strategies for EOC. Circular RNAs (circRNAs) are a class of noncoding RNAs generated from the "back-splicing" of precursor mRNA. CircRNAs exert their functions via several mechanisms, including acting as miRNA sponges, interacting with proteins, regulating transcription, and encoding functional proteins. Recent studies have identified many circRNAs that are dysregulated in EOC and may be used as diagnostic and prognostic markers. Increasing evidence has revealed that circRNAs play a critical role in ovarian cancer progression by regulating various cellular processes, including proliferation, apoptosis, metastasis, and chemosensitivity. The circRNA-based therapy may be a novel strategy that is worth exploring in the future. Here, we provide an overview of EOC and circRNA biogenesis and functions. We then discuss the dysregulations of circRNAs in EOC and the possibility of using them as diagnostic/prognostic markers. We also summarize the role of circRNAs in regulating ovarian cancer development and speculate their potential as therapeutic targets.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».