MétaCan
Menu
Retour à la cohorte
Enregistrement W2145360012 · doi:10.1126/scisignal.134pt5

Defining Drug Targets in Yeast Haploinsufficiency Screens: Application to Human Translational PharmacologyA presentation from the American Society for Pharmacology and Experimental Therapeutics (ASPET) Centennial Meeting at the Experimental Biology 2008 Meeting, San Diego, California, 5 to 9 April 2008.

2008· article· en· W2145360012 sur OpenAlexaff
Michel Roberge

Notice bibliographique

RevueScience Signaling · 2008
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueFungal and yeast genetics research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHaploinsufficiencyDrugBiologyDrug discoverySaccharomyces cerevisiaeComputational biologyMutantDrug resistanceGeneticsGenePharmacologyBioinformaticsPhenotype

Résumé

récupéré en direct d'OpenAlex

A major challenge in drug discovery is to identify the cellular targets responsible for the pharmacological activity of drug candidates. In the yeast Saccharomyces cerevisiae, a heterozygous diploid mutant collection of approximately 6000 strains, in each of which one copy of a single gene is deleted, is commercially available. With this collection, it is possible to evaluate the role of each gene product in the response of cells to a drug. Drug-induced haploinsufficiency refers to the situation where a heterozygous diploid mutant is more sensitive to a drug than is the wild-type strain. Drug-induced haploinsufficiency screening has the potential to reveal pharmacological targets of drugs and those that contribute to undesired side effects, as well as gene products involved in drug transport, metabolism, or resistance. Using published studies, I present advantages and limitations of this technique and discuss its value for predicting drug targets in human cells.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,025
Tête enseignante GPT0,347
Écart entre enseignants0,322 · 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'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

Citations5
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience SignalingMême sujetFungal and yeast genetics researchTravaux en français237 207