Mapping CircRNA–miRNA–mRNA regulatory axis identifies hsa_circ_0080942 and hsa_circ_0080135 as a potential theranostic agents for SARS-CoV-2 infection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Non-coding RNAs (ncRNAs) can control the flux of genetic information; affect RNA stability and play crucial roles in mediating epigenetic modifications. A number of studies have highlighted the potential roles of both virus-encoded and host-encoded ncRNAs in viral infections, transmission and therapeutics. However, the role of an emerging type of non-coding transcript, circular RNA (circRNA) in severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection has not been fully elucidated so far. Moreover, the potential pathogenic role of circRNA-miRNA-mRNA regulatory axis has not been fully explored as yet. The current study aimed to holistically map the regulatory networks driven by SARS-CoV-2 related circRNAs, miRNAs and mRNAs to uncover plausible interactions and interplay amongst them in order to explore possible therapeutic options in SARS-CoV-2 infection. Patient datasets were analyzed systematically in a unified approach to explore circRNA, miRNA, and mRNA expression profiles. CircRNA-miRNA-mRNA network was constructed based on cytokine storm related circRNAs forming a total of 165 circRNA-miRNA-mRNA pairs. This study implies the potential regulatory role of the obtained circRNA-miRNA-mRNA network and proposes that two differentially expressed circRNAs hsa_circ_0080942 and hsa_circ_0080135 might serve as a potential theranostic agents for SARS-CoV-2 infection. Collectively, the results shed light on the functional role of circRNAs as ceRNAs to sponge miRNA and regulate mRNA expression during SARS-CoV-2 infection.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle