MétaCan
Menu
Retour à la cohorte
Enregistrement W2126379430 · doi:10.1101/gr.124354.111

Translating cancer ‘omics’ to improved outcomes: Figure 1.

2012· article· en· W2126379430 sur OpenAlexafffund
Emily A. Vucic, Kelsie L. Thu, Keith Robison, Leszek A. Rybaczyk, Raj Chari, Carlos E. Alvarez, Wan L. Lam

Notice bibliographique

RevueGenome Research · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensOccupational Cancer Research CentreUniversity of British Columbia
Organismes subventionnairesCongressionally Directed Medical Research ProgramsNational Institute of Dental and Craniofacial ResearchNational Human Genome Research InstituteNational Cancer InstituteNational Institutes of HealthCanadian Institutes of Health ResearchCanary FoundationU.S. Department of Defense
Mots-clésOmicsBiologyGenomicsComputational biologyCancerAnnotationTranslational researchGenomeBioinformaticsGeneticsBiotechnologyGene

Résumé

récupéré en direct d'OpenAlex

The genomics era has yielded great advances in the understanding of cancer biology. At the same time, the immense complexity of the cancer genome has been revealed, as well as a striking heterogeneity at the whole-genome (or omics) level that exists between even histologically similar tumors. The vast accrual and public availability of multi-omics databases with associated clinical annotation including tumor histology, patient response, and outcome are a rich resource that has the potential to lead to rapid translation of high-throughput omics to improved overall survival. We focus on the unique advantages of a multidimensional approach to genomic analysis in this new high-throughput omics age and discuss the implications of the changing cancer demographic to translational omics research.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,502

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,062
Tête enseignante GPT0,388
Écart entre enseignants0,327 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations117
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenome ResearchMême sujetCancer Genomics and DiagnosticsTravaux en français237 207