MétaCan
Menu
Retour à la cohorte
Enregistrement W4317621259 · doi:10.3390/metabo13020152

Noncoding RNA Regulation of Hormonal and Metabolic Systems in the Fruit Fly Drosophila

2023· review· en· W4317621259 sur OpenAlexaff
Ki-Kei Chan, Ting‐Fung Chan, William G. Bendena, Jerome H. L. Hui

Notice bibliographique

RevueMetabolites · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCircular RNAs in diseases
Établissements canadiensQueen's University
Organismes subventionnairesChinese University of Hong Kong
Mots-clésDrosophila (subgenus)HormoneDrosophila melanogasterOn the flyRNALong non-coding RNABiologyCell biologyComputational biologyBioinformaticsGeneticsEndocrinologyGeneComputer science

Résumé

récupéré en direct d'OpenAlex

The importance of RNAs is commonly recognised thanks to protein-coding RNAs, whereas non-coding RNAs (ncRNAs) were conventionally regarded as ‘junk’. In the last decade, ncRNAs’ significance and roles are becoming noticeable in various biological activities, including those in hormonal and metabolic regulation. Among the ncRNAs: microRNA (miRNA) is a small RNA transcript with ~20 nucleotides in length; long non-coding RNA (lncRNA) is an RNA transcript with >200 nucleotides; and circular RNA (circRNA) is derived from back-splicing of pre-mRNA. These ncRNAs can regulate gene expression levels at epigenetic, transcriptional, and post-transcriptional levels through various mechanisms in insects. A better understanding of these crucial regulators is essential to both basic and applied entomology. In this review, we intend to summarise and discuss the current understanding and knowledge of miRNA, lncRNA, and circRNA in the best-studied insect model, the fruit fly Drosophila.

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 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 enseignants0,992
Score d'incertitude au seuil0,880

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 ouverte0,0000,000
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 Opus0,049
Tête enseignante GPT0,321
Écart entre enseignants0,272 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetabolitesMême sujetCircular RNAs in diseasesTravaux en français237 207