MétaCan
Menu
Retour à la cohorte
Enregistrement W2093889398 · doi:10.1046/j.1472-8206.2002.00109.x

Pharmacogenetics and personalised medicine

2002· review· en· W2093889398 sur OpenAlexaff
W. Kalow

Notice bibliographique

RevueFundamental and Clinical Pharmacology · 2002
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPharmacogeneticsPharmacogenomicsPersonalized medicineMendelian inheritancePrecision medicineDrugMedicinePharmacologyBioinformaticsComputational biologyGeneticsBiologyGeneGenotype

Résumé

récupéré en direct d'OpenAlex

The traditional concern of pharmacogenetics was Mendelian (monogenic) variation, which visibly affected some drug responses. Pharmacogenetics was broadened by the observation that multifactorial genetic influences, in conjunction with environmental factors, usually determine drug responses. Variability of gene expression, a new theme of the science of genetics, also affects pharmacogenetics; for example, enhanced enzyme activity does not necessarily indicate a mutation, but may be the consequence of a drug-induced enhancement of gene expression. Methodological advances permit the conversion of pharmacogenetics into the broad practice of pharmacogenomics; this improves the possibility of identifying genetic causes of common diseases, which means establishing new drug targets, thereby stimulating the search for new drugs. While the main medical effect of pharmacogenetics was an improvement of drug safety, pharmacogenomics is hoped to improve drug efficacy. On the way to personalized medicine, we may stepwise improve the chances of choosing the right drug for a patient by categorizing patients into genetically definable classes that have similar drug effects (as, for example, human races, or any population group carrying a particular set of genes). It is wise to expect that, even after we have reached the goal to establish personalized medicine, we will not have eliminated all uncertainties.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,938
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,000

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 Opus0,454
Tête enseignante GPT0,594
Écart entre enseignants0,139 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations56
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFundamental and Clinical PharmacologyMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207