MicroRNAs in the anti-cancer effects of Ginsenosides: A Systematic Review
Notice bibliographique
Résumé
This systematic review highlights the pivotal functions of ginsenosides in cancer treatment through miRNA regulation. Ginsenosides, bioactive herbal compounds derived from ginseng, exhibit significant anti-cancer properties through mechanisms including inhibition of cell proliferation, epithelial-to-mesenchymal transition (EMT), metastasis, invasion, and induction of autophagy and apoptosis. MicroRNAs (miRNAs), small non-coding RNAs, play critical roles in gene regulation and have emerged as potential diagnostic, prognostic, and therapeutic targets in various cancers. Ginsenosides influence miRNA expression, underexpressing oncogenic miRNAs and overexpressing tumor suppressor miRNAs, thereby exerting their anti-cancer effects. The literature review covered studies from 2011 to 2021 sourced from PubMed, Scopus, Cochrane Library, and Web of Science, adhering to the PRISMA guidelines. Eligible studies were screened, resulting in the selection of 26 preclinical studies. These studies demonstrate that ginsenosides modulate the expression of various miRNAs, contributing to anti-tumorigenic activities across different cancer types, including glioma, non-small cell lung cancer, breast cancer, acute leukemia, hepatocellular carcinoma, ovarian cancer, medulloblastoma, prostate cancer, liver cancer, oral squamous cell carcinoma, retinoblastoma, and gallbladder cancer. By influencing miRNA pathways, ginsenosides can inhibit tumor growth, migration, invasion, and induce apoptosis, highlighting their therapeutic potential in oncology.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».