MétaCan
Menu
Retour à la cohorte
Enregistrement W2083430251 · doi:10.1158/1538-7445.am2011-4289

Abstract 4289: Using the right tools: A catalog of ovarian cancer cell lines by subtype

2011· article· en· W2083430251 sur OpenAlexaff
Michael S. Anglesio, Karen E. Sheppard, Clara Salamanca, Christine Chow, Yuzhuo Wang, Martin Köbel, C. Blake Gilks, Steve E. Kalloger, David G. Huntsman

Notice bibliographique

RevueCancer Research · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensUniversity of CalgaryCentre for Advancing Health OutcomesUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésOvarian cancerSerous fluidSerous carcinomaClear cellCancerDiseaseOncologyOvarian carcinomaBiologyCancer researchMedicineInternal medicineBioinformaticsImmunohistochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Ovarian cancer cell lines provide an important tool in exploring disease phenotypes and biology. Within the spectrum of ovarian epithelial cancers at least five histologically distinguishable unique diseases exist: high-grade serous, clear cell, endometrioid, mucinous, and low-grade serous. While sharing a common site of presentation, these ovarian cancer types exhibit distinct genomic signatures, clinical characteristics and treatment responses. Thus, the critical interpretation of the results of cell based experiments performed in in-vitro and in-vivo model systems of ovarian cancer first requires characterization of the disease subtype each model represents. Our group has recently used a minimal panel of nine immunohistochemical (IHC) markers, termed “COSP” (Calculator for Ovarian carcinoma Subtype Prediction), to predict each ovarian cancer type. Application of COSP has suggested that as many as 19% of primary ovarian cancer samples may be misclassified prior to an expert review. Commonly used cell lines are rarely classified into ovarian cancer types, confounding interpretation of results and potentially delaying transition of basic research to clinically relevant application. We now apply COSP for typing commonly used ovarian cancer cell lines, as well as in-house derived xenografts, and primary culture models. The COSP immuno-predictive tool is combined with molecular and mutational data to support each cell line's subtype prediction while primary tumour types are compared to their derivative cell lines. We now present an extensive panel of accurately classified ovarian cancer cell lines to facilitate disease specific analysis of the biology of ovarian cancer. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 102nd Annual Meeting of the American Association for Cancer Research; 2011 Apr 2-6; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2011;71(8 Suppl):Abstract nr 4289. doi:10.1158/1538-7445.AM2011-4289

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,007

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 Opus0,095
Tête enseignante GPT0,398
Écart entre enseignants0,303 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetMolecular Biology Techniques and ApplicationsTravaux en français237 207