MétaCan
Menu
Retour à la cohorte
Enregistrement W1831029901 · doi:10.1002/ijc.28632

Intravital biobank and personalized cancer therapy: The correlation with omics

2013· article· en· W1831029901 sur OpenAlexaff
Jie Luo, Xingrong Guo, Xiangjun Tang, Xuyong Sun, Zhuoshun Yang, Yong Zhang, Long‐Jun Dai, Garth L. Warnock

Notice bibliographique

RevueInternational Journal of Cancer · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Science Foundation of Guangxi Province
Mots-clésBiobankOmicsCancerPersonalized medicineIntravital microscopyMedicineBioinformaticsComputational biologyBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Biobanks have played a decisive role in all aspects of the field of cancer, including pathogenesis, diagnosis, prognosis and treatment. The significance of cancer biobanks is epitomized through the appropriate application of various "-omic" techniques (omics). The mutually motivated relationship between biobanks and omics has intensified the development of cancer research. Human cancer tissues that are maintained in intravital biobanks (or living tissue banks) retain native tumor microenvironment, tissue architecture, hormone responsiveness and cell-to-cell signalling properties. Intravital biobanks replicate the structural complexity and heterogeneity of human cancers, making them an ideal platform for preclinical studies. The application of omics with intravital biobanks renders them more active, which makes it possible for the cancer-related evaluations to be dynamically monitored on a real-time basis. Integrating intravital biobank and modern omics will provide a useful tool for the discovery and development of new drugs or novel therapeutic strategies. More importantly, intravital biobanks may play an essential role in the creation of meaningful patient-tailored therapies as for personalized medicine.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil0,151

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,252
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of CancerMême sujetBioinformatics and Genomic NetworksTravaux en français237 207