MétaCan
Menu
Retour à la cohorte
Enregistrement W4312221621 · doi:10.1016/j.gendis.2022.11.018

The emerging role of snoRNAs in human disease

2022· review· en· W4312221621 sur OpenAlexfundno aff
Xinhai Zhang, Chenglong Wang, Shujun Xia, Fei Xiao, Jianping Peng, Yuxuan Gao, Fengbin Yu, Chuandong Wang

Notice bibliographique

RevueGenes & Diseases · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Shandong ProvinceBasic Public Welfare Research Program of Zhejiang ProvinceNational Natural Science Foundation of ChinaUniversity of Ottawa
Mots-clésSmall nucleolar RNABiologyComputational biologyBiomarkermicroRNALong non-coding RNARNAGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Small nucleolar RNAs (snoRNAs) play critical roles in various biological processes. The aberrant expression or depletion of snoRNAs is related to various diseases. In previous research, most of the snoRNAs were categorized as C/D box snoRNAs and H/ACA box snoRNAs, whose typical functions were thought of as regulation of 2'-O-ribose methylation and pseudouridylation of ribosome RNAs, respectively. However, in the past two decades, studies have revealed an increasing number of snoRNAs without specific targets or determined cell functions. These findings indicated that some potential roles of snoRNAs are still unknown. Numerous studies have indicated the correlation of snoRNAs with human diseases. SnoRNAs play various roles in abundant biological processes, and they have great potential in controlling human diseases. This new and rising field could benefit from investigations of the disease pathogenesis, biomarker identification, and the determination of novel therapeutic targets. This review summarized the reports on snoRNAs and the regulation of different diseases in recent years.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,562

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,024
Tête enseignante GPT0,328
Écart entre enseignants0,305 · 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'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

Citations51
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenes & DiseasesMême sujetRNA modifications and cancerTravaux en français237 207