Characterization of anti-steatogenic long noncoding RNAs and their epigenetic influence on the development of metabolic fatty liver disease – a systematic review
Notice bibliographique
Résumé
Introduction and aim. Numerous transcriptomic studies have demonstrated that the development of metabolically associated fatty liver disease is accompanied by changes in the expression level of long noncoding RNAs (lncRs). The aim: to present a brief description of the role of anti-steatogenic lncRs in the epigenetic influence on the development of metabolically associated fatty liver disease, analyzing the data of modern scientific literature. Material and methods. An analysis of 64 reports over the past 10 years was conducted from the databases PubMed; MEDLINE; EMBASE; Cochrane Systematic Reviews Database; BIOSIS which were selected using the indicated keywords. Quality aspects were assessed using the adapted Newcastle–Ottawa Scale, PROSPERO CRD420250652980. Analysis of the literature. Hypoexpression of AC012668 – increased representation of miR-380-5p, activation of LRP2; B4GALT1- AS1/lncSHGL, MEG3 – activation of lipogenesis, gluconeogenesis in hepatocytes; FLRL2 – inhibition of BMAL1 and SIRT1; Gm16551 – increased expression of ACC1, SCD1; HR1 – activation of SREBP1c. LncLSTR – activation of cytochrome Cyp8b1 transcription; MRAK052686 reduction of FABP7 expression. Conclusion. The formation of hepatosteatosis is supported by a decrease in the expression level of anti-steatogenic lncRs, such as AC012668, B4GALT1-AS1/lncSHGL, MEG3, FLRL2, Gm16551, lncHR1, lncLSTR, MRAK052686. LncRs overexpression is compensatory in escalating inflammation, hyperglycemia.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».