Mapping CircRNA–miRNA–mRNA regulatory axis identifies hsa_circ_0080942 and hsa_circ_0080135 as a potential theranostic agents for SARS-CoV-2 infection
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.
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 | 0,000 | 0,000 |
| 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 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 ».