Biospecimen Use Correlates with Emerging Techniques in Cancer Research: Impact on Planning Future Biobanks
Notice bibliographique
Résumé
The average cohort size for tissue biospecimens used in cancer research studies has increased significantly over the last 20 years. To understand some of the factors behind changes in biospecimen use, we examined cancer research publications to characterize the relationship between specific assay techniques and biospecimen formats and products. We assessed a representative cross section of 378 publications in the journal Cancer Research that used tissue biospecimens, selected from 6 intervals between 1988 and 2010. Publications were categorized by biospecimen utilization, format type (Frozen, Formalin-Fixed Paraffin-Embedded, and Fresh), product type (RNA, DNA, Protein, Cells, and Metabolites), and types of research techniques performed. There was an increase in average biospecimen cohort size (p=0.001); relative use of Formalin-Fixed Paraffin-Embedded biospecimens (24%-68%, p<0.0001); and the proportion of techniques assaying RNA products from biospecimens (Frozen and Fresh formats, p<0.05), from 1988 to 2008. However, these trends have not continued and there has been no further increase from 2008 to 2010. While specific techniques such as 'tissue microarray' analysis appear to have driven some changes in format requirements, there is an overall trend towards techniques requiring RNA products across all formats of biospecimens in basic cancer research. Since pre-analytical variables influence gene expression (RNA levels) more than gene structure (DNA sequence), recognition of these research trends is important for biobanks when deciding priorities for the optimal preservation format and annotation of biospecimens.
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 ».