MétaCan
Menu
Retour à la cohorte
Enregistrement W2004095018 · doi:10.1016/j.gdata.2014.05.013

Gene expression analysis of livers from female B6C3F1 mice exposed to carcinogenic and non-carcinogenic doses of furan, with or without bromodeoxyuridine (BrdU) treatment

2014· article· en· W2004095018 sur OpenAlexaff
A. Francina Webster, Andrew Williams, Leslie Recio, Carole L. Yauk

Notice bibliographique

RevueGenomics Data · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensCarleton UniversityHealth Canada
Organismes subventionnairesnon disponible
Mots-clésCarcinogenToxicogenomicsToxicologyMicroarrayGene expressionBiologyComputational biologyMode of actionDNA microarrayGeneBioinformaticsPharmacologyGenetics

Résumé

récupéré en direct d'OpenAlex

Standard methodology for identifying chemical carcinogens is both time-consuming and resource intensive. Researchers are actively investigating how new technologies can be used to identify chemical carcinogens in a more rapid and cost-effective manner. Here we performed a toxicogenomic case study of the liver carcinogen furan. Full study and mode of action details were previously published in the Journal of Toxicology and Applied Pharmacology. Female B6C3F1 mice were sub-chronically treated with two non-carcinogenic (1 and 2 mg/kg bw) and two carcinogenic (4 and 8 mg/kg bw) doses of furan for 21 days. Half of the mice in each dose group were also treated with 0.02% bromodeoxyuridine (BrdU) for five days prior to sacrifice [13]. Agilent gene expression microarrays were used to measure changes in liver gene and long non-coding RNA expression (published in Toxicological Sciences). Here we describe the experimental and quality control details for the microarray data. We also provide the R code used to analyze the raw data files, produce fold change and false discovery rate (FDR) adjusted p values for each gene, and construct hierarchical clustering between datasets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,261
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenomics DataMême sujetPotato Plant ResearchTravaux en français237 207