MétaCan
Menu
Retour à la cohorte
Enregistrement W2128381498 · doi:10.1186/s12916-014-0156-8

Towards identification of true cancer biomarkers

2014· article· en· W2128381498 sur OpenAlexaff
Eleftherios P. Diamandis

Notice bibliographique

RevueBMC Medicine · 2014
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity Health NetworkMount Sinai HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineIdentification (biology)CancerComputational biologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Most of newly discovered cancer biomarkers fail in the clinic because they lack sensitivity and/or specificity. The current explosion in knowledge of the mutational spectrum of many cancer types, as a result of whole exome and whole genome sequencing, has revealed a wide spectrum of mutations that appear to be highly specific for various cancer types. DISCUSSION: Mass spectrometry (MS) has the ability to monitor tryptic peptides in complex biological mixtures with high sensitivity and specificity. It may be possible in the near future to combine the known spectrum of gene mutations revealed by genomics with the power of MS, in order to quantify mutant peptides that are highly specific for cancer, in a multiplex fashion. Such mutant peptides, quantified in the circulation and other fluids, may represent tumor markers that are suitable for detection and monitoring of cancer. SUMMARY: The power of genomic and proteomic technologies can be combined to identify highly specific analytes for biomarker applications.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,792
Score d'incertitude au seuil0,524

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,328
Écart entre enseignants0,306 · 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

Citations30
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207