GEMS (Gene Expression Metasignatures), a Web Resource for Querying Meta-analysis of Expression Microarray Datasets: 17β-Estradiol in MCF-7 Cells
Notice bibliographique
Résumé
With large amounts of public expression microrray data being generated by multiple laboratories, it is a significant task for the bench researcher to routinely identify available datasets, and then to evaluate the collective evidence across these datasets for regulation of a specific gene in a given system. 17beta-Estradiol stimulation of MCF-7 cells is a widely used model in the growth of breast cancer. Although myriad independent studies have profiled the global effects of this hormone on gene expression in these cells, disparate experimental variables and the limited power of the individual studies have combined to restrict the agreement between them as to the specific gene expression signature elicited by this hormone. To address these issues, we have developed a freely accessible Web resource, Gene Expression MetaSignatures (GEMS) that provides the user a consensus for each gene in the system. We conducted a weighted meta-analysis encompassing over 13,000 genes across 10 independent published datasets addressing the effect of 17beta-estradiol on MCF-7 cells at early (3-4 hours) and late (24 hours) time points. In a literature survey of 58 genes previously shown to be regulated by 17beta-estradiol in MCF-7 cells, the meta-analysis combined the statistical power of the underlying datasets to call regulation of these genes with nearly 85% accuracy (false discovery rate-corrected P < 0.05). We anticipate that with future expression microarray dataset contributions from investigators, GEMS will evolve into an important resource for the cancer and nuclear receptor signaling communities.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».