MétaCan
Menu
Retour à la cohorte
Enregistrement W2138874017 · doi:10.1002/jcb.22565

More is less: Inactivation and deletion events and the search for tumor suppressor genes

2010· article· en· W2138874017 sur OpenAlexaff
W. E. C. Bradley, Domenic Di Paola, Emmanouil Rampakakis, Maria Zannis‐Hadjopoulos

Notice bibliographique

RevueJournal of Cellular Biochemistry · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensMcGill UniversityCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésGeneBiologyGene silencingSuppressorEpigeneticsGeneticsTumor suppressor geneChromatinGenomeFunction (biology)CancerCarcinogenesis

Résumé

récupéré en direct d'OpenAlex

Tumor suppressor genes are frequently inactivated in cancer by large-scale deletion events or epigenetic silencing, and experimental demonstration of such inactivation has historically been considered as support for assigning tumor suppressive function to a given gene. However, the discovery of a number of chromosomal domains wherein large deletions naturally occur at frequencies up to 100 times the average for the genome as a whole leads us to reevaluate the significance of sporadic deletions found within genes associated with these hotspots. Similarly, our recent demonstration that epigenetic chromatin silencing frequently spreads in cancer cells from gene-poor into gene-rich regions with apparent indifference to the gene content of the affected domain raises questions about the pertinence of inactivation as a criterion for ascribing tumor suppressor function to a given gene. We suggest that a number of putative suppressor genes for which inactivation and/or deletion events have been documented may simply be victims of collateral damage when these events occur, and the implication that these genes are being selected against during cancer progression should in some cases be reassessed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0010,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,259
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cellular BiochemistryMême sujetEpigenetics and DNA MethylationTravaux en français237 207