MétaCan
Menu
← Retour à la cohorte
Enregistrement W2020060326 · doi:10.1118/1.3469557

TH‐D‐201C‐09: Evaluation of Metabolomics Data Using Univariate and Multivariate Statistical Analysis Techniques

2010· article· en· W2020060326 sur OpenAlexaffabout
Jennifer Moroz, G. Fallone, Alasdair Syme, Joan Allalunis‐Turner

Notice bibliographique

RevueMedical Physics · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBonferroni correctionUnivariateMultivariate statisticsMetabolitePopulationMultivariate analysisMetabolomicsReceiver operating characteristicPrincipal component analysisLinear discriminant analysisNuclear medicinePartial least squares regressionUnivariate analysisMathematicsMedicineInternal medicineStatisticsBiologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Purpose: To quantify urinary metabolic changes in experimental animals as they transitioned from healthy to tumor bearing. Univariate and multivariate statistical tests were used to identify patterns of metabolic behaviour that changed in a significant manner. Receiver operator characteristic (ROC) curve analysis was used to evaluate the utility of the tests. Method and Materials: Human GBM cells were grown as xenografts in NIH iii nude mice at 6 weeks of age. Urine samples were collected daily beginning one week prior to cell injections and lasting four weeks after injection. Selected samples were run on an Oxford 800MHz cold probe NMR Spectrometer (Oxford England) utilizing a 1‐D NOESY pulse sequence. The acquired spectra were analyzed by targeted profiling using Chenomx Suite 5.1 (Chenomx Inc Edmonton Canada). The paired t‐test was used to evaluate changes in metabolite concentrations in the pre‐injection population compared to the post‐injection population. The same test was also applied to metabolite ratios. Principal component analysis (PCA) and partial least squares discriminant analysis (PDS‐DA) were used to search for more complicated relationships in the data. Results: Application of the t‐test to the ratios of metabolites revealed 20 ratios that were significant beyond the Bonferroni correction threshold and 152 more ratios were significant under the FDR condition. Of the significant ratios 7 had an AUC greater than 0.9 and 68 had an AUC between 0.8 and 0.9. After correcting for changes found in the control animals 12 and 36 ratios that satisfied the Bonferroni and FDR thresholds respectively. 6 ratios had an AUC exceeding 0.9 and a further 16 having an AUC greater than 0.8. Conclusion: Metabolic profiling of urine samples in animal models demonstrates that this technique has the potential to serve as a screening tool for certain types of cancers.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,046
Tête enseignante GPT0,362
Écart entre enseignants0,316 · 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

Citations2
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetMetabolomics and Mass Spectrometry Studies→Travaux en français237 207→