MétaCan
Menu
Retour à la cohorte
Enregistrement W4382982388 · doi:10.3390/cancers15133433

The Talented LncRNAs: Meshing into Transcriptional Regulatory Networks in Cancer

2023· review· en· W4382982388 sur OpenAlexafffund
Dana Segal, Josée Dostie

Notice bibliographique

RevueCancers · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésBiologyComputational biologyTranscription factorGeneRegulation of gene expressionGene expressionSuppressorTranscription (linguistics)Translation (biology)Context (archaeology)Messenger RNACell biologyBioinformaticsGenetics

Résumé

récupéré en direct d'OpenAlex

As a group of diseases characterized by uncontrollable cell growth, cancer is highly multifaceted in how it overrides checkpoints controlling proliferation. Amongst the regulators of these checkpoints, long non-coding RNAs (lncRNAs) can have key roles in why natural biological processes go haywire. LncRNAs represent a large class of regulatory transcripts that can localize anywhere in cells. They were found to affect gene expression on many levels from transcription to mRNA translation and even protein stability. LncRNA participation in such control mechanisms can depend on cell context, with given transcripts sometimes acting as oncogenes or tumor suppressors. Importantly, the tissue-specificity and low expression levels of lncRNAs make them attractive therapeutic targets or biomarkers. Here, we review the various cellular processes affected by lncRNAs and outline molecular strategies they use to control gene expression, particularly in cancer and in relation to transcription factors.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,042
Tête enseignante GPT0,362
Écart entre enseignants0,320 · 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.

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

Citations33
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetCancer-related molecular mechanisms researchTravaux en français237 207