Exploring the role of non-coding RNAs in atrial septal defect pathogenesis: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Extensive research has recognized the significant roles of non-coding RNAs (ncRNAs) in various cellular pathophysiological processes and their association with diverse diseases, including atrial septal defect (ASD), one of the most prevalent congenital heart diseases. This systematic review aims to explore the intricate involvement and significance of ncRNAs in the pathogenesis and progression of ASD. METHODS: Four databases (PubMed, Embase, Scopus, and the Web of Science) were searched systematically up to June 19, 2023, with no year restriction. The risk of bias assessment was evaluated using the Newcastle-Ottawa scale. RESULTS: The present systematic review included thirteen studies with a collective study population of 874 individuals diagnosed with ASD, 21 parents of ASD patients, and 22 pregnant women carrying ASD fetuses. Our analysis revealed evidence linking five long ncRNAs (STX18-AS1, HOTAIR, AA709223, BX478947, and Moshe) and several microRNAs (hsa-miR-19a, hsa-miR-19b, hsa-miR-375, hsa-miR-29c, miR-29, miR-143/145, miR-17-92, miR-106b-25, and miR-503/424, miR-9, miR-30a, miR-196a2, miR-139-5p, hsa-let-7a, hsa-let-7b, and hsa-miR-486) to ASD progression, corresponding to previous studies. CONCLUSIONS: NcRNAs play a crucial role in unraveling the underlying mechanisms of ASD, contributing to both biomarker discovery and therapeutic advancements. This systematic review sheds light on the mechanisms of action of key ncRNAs involved in ASD progression, providing valuable insights for future research in this field.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».