MétaCan
Menu
Retour à la cohorte
Enregistrement W2091501710 · doi:10.1515/cclm.2007.057

Nutrigenomics – 2006 update

2007· review· en· W2091501710 sur OpenAlexfundno aff
Jim Kaput

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2007
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensnon disponible
Organismes subventionnairesGenome Canada
Mots-clésNutrigenomicsComputational biologyMedicineBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

The Human Genome and HapMap projects have provided the tools and information that will aid in understanding how nutrients alter the expression of an individual's genetic information and why individuals differ in metabolism of foods at the molecular level. The study of how genes and gene products interact with dietary chemicals to alter phenotype and, conversely, how genes and their products metabolize nutrients is called nutritional genomics or "nutrigenomics." This new field has received considerable attention in the last 6 years, most of which has been on the promise rather than on scientific results from nutrigenomic experiments. Funding for nutrigenomics research focused primarily on individual laboratory projects in the 1990s and early 2000s. The novelty of combining nutrition and genetics limited that funding to a relatively small number of laboratories. Only in the past 3 years have centers been funded to foster collaborations and conduct large-scale projects that are studying nutrient-gene interactions. The increase in interest and funding is beginning to generate the critical mass to realize the promise of nutritional genomics.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,633
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,055
Tête enseignante GPT0,402
Écart entre enseignants0,347 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetNutrition, Genetics, and DiseaseTravaux en français237 207