MétaCan
Menu
Retour à la cohorte
Enregistrement W2164931020 · doi:10.1517/17530059.2.5.475

Secretory vesicle analysis for discovery of low abundance plasma biomarkers

2008· article· en· W2164931020 sur OpenAlexaff
Joël Lanoix, Eustache Paramithiotis

Notice bibliographique

RevueExpert Opinion on Medical Diagnostics · 2008
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensCaprion (Canada)
Organismes subventionnairesnon disponible
Mots-clésBiomarker discoverySecretory proteinBiomarkerSecretionBiologySecretory pathwayProteomicsComputational biologySignal peptideCell biologyProstate cancerBioinformaticsCancerBiochemistryPeptide sequenceGeneGolgi apparatusEndoplasmic reticulumGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Pathological conditions can be reflected, as well as propagated, by changes in the expression patterns of secreted proteins. Protein secretion may occur by signal sequence dependent or independent mechanisms and many secreted proteins with desirable biomarker characteristics appear to be low abundance proteins in body fluids. Both factors complicate disease-associated secreted protein discovery. OBJECTIVE: To enhance the discovery of low abundance, physiologically relevant, plasma protein biomarkers. METHODS: Biomarker discovery has been performed in media, body fluids or tissue homogenates. A comparative analysis of the contents of secretory vesicles isolated directly from affected tissues or model systems substantially improves the detection of relevant, low abundance plasma biomarkers. RESULTS: Evidence supporting this approach is provided from pilot experiments in prostate cancer.

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)0,001
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: aucune
Score de désaccord entre enseignants0,712
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,313
Écart entre enseignants0,291 · 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

Citations4
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Medical DiagnosticsMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207