MétaCan
Menu
Retour à la cohorte
Enregistrement W2172033645 · doi:10.1155/2008/146871

Stem Cell Biomarkers in Chronic Myeloid Leukemia

2008· review· en· W2172033645 sur OpenAlexafffund
Xiaoyan Jiang, Yun Zhao, Donna L. Forrest, Clayton A. Smith, Allen Eaves, Connie J. Eaves

Notice bibliographique

RevueDisease Markers · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueChronic Myeloid Leukemia Treatments
Établissements canadiensUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesNational Cancer InstituteMichael Smith Health Research BCStem Cell NetworkTerry Fox FoundationCancer Research Society
Mots-clésStem cellImatinib mesylateMyeloid leukemiaHaematopoiesisCancer researchImatinibBiologyMyeloidLeukemiaImmunologyCancer stem cellCell biology

Résumé

récupéré en direct d'OpenAlex

Chronic myeloid leukemia (CML) is a clonal multi-step myeloproliferative disease that is initially produced and ultimately sustained by a rare subpopulation of BCR-ABL+ cells with multi-lineage stem cell properties. These BCR-ABL+ CML stem cells are phenotypically similar to normal hematopoietic stem cells which are also maintained throughout the course of the disease at varying levels in different patients. Defining the unique properties of the leukemic stem cells that produce the chronic phase of CML has therefore had to rely heavily on access to samples from rare patients in which the stem cell compartment is dominated by leukemic elements. Here we review past and ongoing approaches using such samples to identify biologically and clinically relevant biomarkers of BCR-ABL+ stem cells that explain their unusual biology and that may help to design, or at least predict, improved treatment responses in CML patients. These studies are of particular interest in light of recent evidence that chronic phase CML stem cells are not only innately resistant to imatinib mesylate and other drugs that target the BCR-ABL oncoprotein, but are also genetically unstable.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

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
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,027
Tête enseignante GPT0,295
Écart entre enseignants0,268 · 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'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

Citations14
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDisease MarkersMême sujetChronic Myeloid Leukemia TreatmentsTravaux en français237 207