MétaCan
Menu
Retour à la cohorte
Enregistrement W2157440617 · doi:10.1093/bfgp/elp006

Quantitative proteomics for drug toxicity

2009· review· en· W2157440617 sur OpenAlexfundno aff
Yuan Gao, Ricky D. Holland, Li‐Rong Yu

Notice bibliographique

RevueBriefings in Functional Genomics and Proteomics · 2009
Typereview
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesOak Ridge Institute for Science and EducationCanadian Institute for Theoretical Astrophysics
Mots-clésDrug developmentDrugBiologyToxicityProteomicsDrug toxicityQuantitative proteomicsDrug discoveryComputational biologyPharmacologyBioinformaticsMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

The emerging field of toxicoproteomics has been greatly advanced by quantitative proteomic technologies and their increasing applications in toxicology. The discipline is focused on the proteomic study of toxicity caused by toxic substances, including but not limited to drugs, toxins, environmental stressors, chemicals and any other materials that induce significant pathological responses. Drug safety is a major point of concern during the development phase and clinical application. Identification of toxicity biomarkers, potential drug targets and characterization of toxicity mechanisms represent major research areas for quantitative toxicoproteomics during drug development and evaluation. Further development and application of quantitative proteomic approaches would significantly facilitate the realization of personalized medicine.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,055
Tête enseignante GPT0,327
Écart entre enseignants0,272 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations33
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBriefings in Functional Genomics and ProteomicsMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207