Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Experimental RNAi02:15

Experimental RNAi

8.1K
RNA interference (RNAi) is a cellular mechanism that inhibits gene expression by suppressing its transcription or activating the RNA degradation process. The mechanism was discovered by Andrew Fire and Craig Mello in 1998 in plants. Today, it is observed in almost all eukaryotes, including protozoa, flies, nematodes, insects, parasites, and mammals. This precise cellular mechanism of gene silencing has been developed into a technique that provides an efficient way to identify and determine the...
8.1K
RNA Interference01:23

RNA Interference

28.3K
RNA interference (RNAi) is a process in which a small non-coding RNA molecule blocks the post-transcriptional expression of a gene by binding to its messenger RNA (mRNA) and preventing the protein from being translated.
This process occurs naturally in cells, often through the activity of genomically-encoded microRNAs. Researchers can take advantage of this mechanism by introducing synthetic RNAs to deactivate specific genes for research or therapeutic purposes. For example, RNAi could be used...
28.3K
Types of RNA01:23

Types of RNA

73.3K
Overview
Three main types of RNA are involved in protein synthesis: messenger RNA (mRNA), transfer RNA (tRNA), and ribosomal RNA (rRNA). These RNAs perform diverse functions and can be broadly classified as protein-coding or non-coding RNA. Non-coding RNAs play important roles in the regulation of gene expression in response to developmental and environmental changes. Non-coding RNAs in prokaryotes can be manipulated to develop more effective antibacterial drugs for human or animal use.
RNA...
73.3K
Types of RNA01:20

Types of RNA

10.1K
Three main types of RNA are involved in protein synthesis: messenger RNA (mRNA), transfer RNA (tRNA), and ribosomal RNA (rRNA). These RNAs perform diverse functions and can be broadly classified as protein-coding or non-coding RNA. Non-coding RNAs play important roles in regulating gene expression in response to developmental and environmental changes. Non-coding RNAs in prokaryotes can be manipulated to develop more effective antibacterial drugs for human or animal use.
RNA Performs Diverse...
10.1K
lncRNA - Long Non-coding RNAs02:39

lncRNA - Long Non-coding RNAs

10.0K
In humans, more than 80% of the genome gets transcribed. However, only around 2% of the genome codes for proteins. The remaining part produces non-coding RNAs which includes ribosomal RNAs, transfer RNAs, telomerase RNAs, and regulatory RNAs, among other types. A large number of regulatory non-coding RNAs have been classified into two groups depending upon their length – small non-coding RNAs, such as microRNA, which are less than 200 nucleotides in length, and long non-coding RNA...
10.0K
lncRNA - Long Non-coding RNAs02:39

lncRNA - Long Non-coding RNAs

3.8K
3.8K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Genomics in Health and Biomedicine.

Advances in experimental medicine and biology·2026
Same author

Neurometabolic profiles of autism spectrum disorder patients with genetic variants in specific neurotransmission and synaptic genes.

Scientific reports·2025
Same author

Genome-Wide Admixture and Association Study of Serum Selenium Deficiency to Identify Genetic Variants Indirectly Linked to Selenium Regulation in Brazilian Adults.

Nutrients·2024
Same author

Bridging Genetic Insights with Neuroimaging in Autism Spectrum Disorder-A Systematic Review.

International journal of molecular sciences·2024
Same author

Identification of Neurotransmission and Synaptic Biological Processes Disrupted in Autism Spectrum Disorder Using Interaction Networks and Community Detection Analysis.

Biomedicines·2023
Same author

DGH-GO: dissecting the genetic heterogeneity of complex diseases using gene ontology.

BMC bioinformatics·2023
Same journal

Evaluation of temporal preservation in synthetic longitudinal patient data.

Journal of biomedical informatics·2026
Same journal

ARKE: An ontology-driven framework for automated mapping of local radiology procedure terms to the LOINC-RadLex playbook using large language model.

Journal of biomedical informatics·2026
Same journal

A validation-driven training controller for cross-lingual biomedical NER via reinforcement learning-based adaptive loss weighting.

Journal of biomedical informatics·2026
Same journal

ASP-HR: An Adaptive Spatial Perception and Hierarchical Reasoning mechanism for document-level biomedical relation extraction.

Journal of biomedical informatics·2026
Same journal

Beyond Accuracy: Safety-Centered guidelines for the evaluation of LLM-based therapy recommendation systems for chronic multimorbidity patients.

Journal of biomedical informatics·2026
Same journal

DeepEN: A deep reinforcement learning framework for personalized enteral nutrition in critical care.

Journal of biomedical informatics·2026
関連記事をすべて見る

関連する実験動画

Updated: Feb 28, 2026

RNA Secondary Structure Prediction Using High-throughput SHAPE
13:42

RNA Secondary Structure Prediction Using High-throughput SHAPE

Published on: May 31, 2013

32.3K

人工知能を用いたノンコーディングRNA機能予測

David da Costa Correia1, Francisco M Couto2, Hugo Martiniano3

  • 1Departamento de Promoção da Saúde e Prevenção de Doenças não Transmissiveis, Instituto Nacional de Saúde Doutor Ricardo Jorge, Avenida Padre Cruz, Lisboa, 1649-016, Portugal; BioISI - Biosystems and Integrative Sciences Institute, Faculdade de Ciências da Universidade de Lisboa, Campo Grande, Lisboa, 1749-016, Portugal; Departamento de Informática, Faculdade de Ciências da Universidade de Lisboa, Campo Grande, Lisboa, 1749-016, Portugal; LASIGE, Faculdade de Ciências da Universidade de Lisboa, Campo Grande, Lisboa, 1749-016, Portugal.

Journal of biomedical informatics
|February 25, 2026
PubMed
まとめ
この要約は機械生成です。

この研究では、自然言語処理（NLP）と大規模言語モデル（LLM）を用いて、科学文献からノンコーディングRNA（ncRNA）と表現型の関係を抽出する方法を開発しました。この手法は高いF1スコアを達成し、将来のncRNA研究に有望です。

キーワード:
遠隔教師あり学習大規模言語モデルノンコーディングRNA関係抽出テキストマイニング

さらに関連する動画

Sample Preparation for Mass Spectrometry-based Identification of RNA-binding Regions
10:52

Sample Preparation for Mass Spectrometry-based Identification of RNA-binding Regions

Published on: September 28, 2017

8.6K
MS2-Affinity Purification Coupled with RNA Sequencing in Gram-Positive Bacteria
08:34

MS2-Affinity Purification Coupled with RNA Sequencing in Gram-Positive Bacteria

Published on: February 23, 2021

7.6K

関連する実験動画

Last Updated: Feb 28, 2026

RNA Secondary Structure Prediction Using High-throughput SHAPE
13:42

RNA Secondary Structure Prediction Using High-throughput SHAPE

Published on: May 31, 2013

32.3K
Sample Preparation for Mass Spectrometry-based Identification of RNA-binding Regions
10:52

Sample Preparation for Mass Spectrometry-based Identification of RNA-binding Regions

Published on: September 28, 2017

8.6K
MS2-Affinity Purification Coupled with RNA Sequencing in Gram-Positive Bacteria
08:34

MS2-Affinity Purification Coupled with RNA Sequencing in Gram-Positive Bacteria

Published on: February 23, 2021

7.6K

科学分野:

  • バイオインフォマティクス
  • 計算生物学
  • ゲノミクス

背景:

  • ノンコーディングRNA（ncRNA）は、生物学的プロセスと疾患において重要な役割を果たしています。
  • ncRNA-表現型関係に関する情報は、科学文献全体に断片化しています。
  • この分散したデータを集約および正規化するための効率的な方法が必要です。

研究 の 目的:

  • 科学論文からncRNA-表現型関係を抽出するための方法論を開発すること。
  • このタスクのために自然言語処理（NLP）と大規模言語モデル（LLM）を組み合わせること。
  • ncRNA研究のための高忠実度データセットとリレーショナルコーパスを作成すること。

主な方法:

  • 5つのncRNA-疾患データベースからデータを集約および正規化するためのNLPパイプラインを開発しました。
  • 遠隔教師あり関係抽出（DSRE）を使用してncRNA-表現型リレーショナルコーパスを生成しました。
  • 検証済みコーパスサブセットでパフォーマンスを評価するために、関係抽出（RE）に大規模言語モデル（LLM）を適用しました。

主要な成果:

  • 214,300の関係を持つ高忠実度ncRNA-表現型関係データセットを作成しました。
  • 35,295の一意の関係を持つリレーショナルコーパス（ncoRP）を21,608の記事から生成しました。
  • LLMベースのRE方法論を使用して0.978の高いF1スコアを達成しました。

結論:

  • 正規化されたncRNA-表現型データセットとリレーショナルコーパスを正常に作成しました。
  • 組み合わせたLLMとDSREの方法論は、自動関係抽出に対して高いパフォーマンスを示します。
  • 開発されたデータセット、コーパス、および方法論は、ncRNA研究にとって貴重なリソースであり、同様の生物学的関係抽出タスクに適用できます。