← Retour à la cohorte
Molecular Profiling Reveals Biologically Discrete Subsets and Pathways of Progression in Diffuse Glioma
Michele Ceccarelli, Floris P Barthel, Tathiane M. Malta, Thaís S. Sabedot, Sofie R. Salama, Bradley A. Murray, Olena Morozova, Yulia Newton, Amie Radenbaugh, Stefano Maria Pagnotta, Samreen Anjum, Jiguang Wang, Ganiraju C. Manyam, Pietro Zoppoli, Shiyun Ling, Arjun A. Rao, Mia Grifford, Andrew D. Cherniack, Hailei Zhang, Laila Poisson, Carlos Gilberto Carlotti, Daniela Pretti da Cunha Tirapelli, Arvind Rao, Tom Mikkelsen, Ching C. Lau, W. K. Alfred Yung, Raúl Rabadán, Jason T. Huse, Daniel J. Brat, Norman L. Lehman, Jill S. Barnholtz‐Sloan, Siyuan Zheng, Kenneth R. Hess, Ganesh Rao, Matthew Meyerson, Rameen Beroukhim, Lee Cooper, Rehan Akbani, Margaret Wrensch, David Haussler, Kenneth D. Aldape, Peter W. Laird, David H. Gutmann, Houtan Noushmehr, Antonio Iavarone, Roel G.W. Verhaak, Harindra Arachchi, J. Todd Auman, Miruna Balasundaram, Saianand Balu, Gene H. Barnett, Stephen Baylin, Sue Bell, Christopher C. Benz, Natalie Bir, Keith L. Black, Tom Bodenheimer, Lori Boice, Jay Bowen, Christopher A. Bristow, Yaron S.N. Butterfield, Qingrong Chen, Lynda Chin, Juok Cho, Eric Chuah, Sudha Chudamani, Simon G. Coetzee, Mark L. Cohen, Howard Colman, Marta Couce, Fulvio D’Angelo, Tanja M. Davidsen, Amy Davis, John A. Demchok, Karen Devine, Li Ding, Rebecca Duell, J. Bradley Elder, Jennifer Eschbacher, Ashley Fehrenbach, Martin L. Ferguson, Scott Frazer, Gregory N. Fuller, Jordonna Fulop, Stacey Gabriel, Luciano Garofano, Julie M. Gastier-Foster, Nils Gehlenborg, Mark Gerken, Gad Getz, Caterina Giannini, William J. Gibson, Angela Hadjipanayis, D. Neil Hayes, David I. Heiman, Beth Hermes, Joe Hilty, Katherine A. Hoadley, Alan P. Hoyle, Mei Huang, Corbin D. Jones, Steven J.M. Jones, Zhenlin Ju, Alison Kastl, Ady Kendler, Jaegil Kim, Raju Kucherlapati, Phillip H. Lai, Michael S. Lawrence, Semin Lee, Kristen Leraas, Tara M. Lichtenberg, Pei Lin, Yuexin Liu, Jia Liu, Julia Y. Ljubimova, Yiling Lu, Yussanne Ma, Dennis T. Maglinte, Harshad S. Mahadeshwar, Marco A. Marra, Mary McGraw, Christopher McPherson, Shaowu Meng, Piotr A. Mieczkowski, C. Ryan Miller, Gordon B. Mills, Richard A. Moore, Lisle E. Mose, Andrew J. Mungall, Rashi Naresh, Theresa Naska, Luciano Neder, Michael S. Noble, Ardene Noss, Brian Patrick O’Neill, Quinn T. Ostrom, Cheryl A. Palmer, Angeliki Pantazi, Michael Parfenov, Peter J. Park, Joel S. Parker, Charles M. Perou, Christopher R. Pierson, Todd Pihl, Alexei Protopopov, Nilsa C. Ramirez, W. Kimryn Rathmell, Xiaojia Ren, Jeffrey Roach, A. Gordon Robertson, Gordon Saksena, Jacqueline E. Schein, Steven E. Schumacher, Jonathan G. Seidman, Kelly Senecal, Sahil Seth, Hui Shen, Yan Shi, Juliann Shih, Kristen Shimmel, Hugues Sicotte, Suzanne Sifri, Tiago C. Silva, Janae V. Simons, Rosy Singh, Tara Skelly, Andrew E. Sloan, Heidi J. Sofia, Matthew G. Soloway, Xingzhi Song, Carrie Sougnez, Camila Souza, Susan M. Staugaitis, Huandong Sun, Charlie Sun, Donghui Tan, Jiabin Tang, Yufang Tang, Leigh B. Thorne, Felipe Amstalden Trevisan, Timothy J. Triche, David Van Den Berg, Umadevi Veluvolu, Doug Voet, Yunhu Wan, Zhining Wang, Ronald E. Warnick, John N. Weinstein, Daniel J. Weisenberger, Matthew D. Wilkerson, Lisa Wise, Yingli Wolinsky, Junyuan Wu, Andrew Wei Xu, Lixing Yang, Liming Yang, Travis Zack, Jean C. Zenklusen, Jianhua Zhang, Wei Zhang, Jiashan Zhang, Erik Zmuda
Notice bibliographique
RevueCell · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute of General Medical SciencesNational Institutes of HealthNational Cancer InstituteNational Human Genome Research InstituteFundação de Amparo à Pesquisa do Estado de São PauloCancer Prevention and Research Institute of Texas
Mots-clésBiologyGliomaATRXPilocytic astrocytomaDNA methylationAstrocytomaTelomereGeneticsGeneCancer researchMutationGene expression
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,002
Score d'incertitude au seuil0,003
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
score_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 découleClassification
machine, non validéePrédiction 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 338
Publié2016
Routes d'admission1
Résumé présentnon