MétaCan
Menu
Retour à la cohorte
Enregistrement W2272797454 · doi:10.1385/1-59259-189-2:173

Whole-Cell and Microcell Fusion for the Identification of Natural Regulators of Telomerase

2003· article· en· W2272797454 sur OpenAlexaff
Henriette Gourdeau, Marsha Speevak, Lucie Jetté, Mario Chevrette

Notice bibliographique

RevueHumana Press eBooks · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensBioPhage Pharma (Canada)
Organismes subventionnairesnon disponible
Mots-clésTelomereSenescenceTelomeraseBiologyCell biologyMitosisCellCell divisionCell cycleCell growthGeneticsGene

Résumé

récupéré en direct d'OpenAlex

The ability of tumor cells to grow indefinitely contrasts sharply with the growth of normal cells. When normal human cells are grown in vitro , they undergo a limited number of divisions. This property, termed replicative senescence, is lost when cells become tumorigenic. However, whole-cell hybrids between normal and immortal cells are mortal, indicating that cellular senescence is dominant and normal cells contain genes that limit cell growth ( 1 , 2 ). These findings have been confirmed and expanded by microcell transfer studies in which individual chromosomes from donor cells are introduced into recipient cells. Depending on the recipient cells, transfer of at least seven different human chromosomes has been shown to induce cellular senescence ( 3 - 9 ). Thus, normal cells have developed many mechanisms to prevent unlimited cell growth. One of them is cellular suicide, or apoptosis, and is controlled (at least in part) by the proteins encoded by two tumor suppressor genes, namely p53 ( 10 ) and RB ( 11 ). Another apparent mechanism is the progressive shortening of the ends of chromosomes (telomeres), following each cycle of cellular replication, leading to a state of cellular senescence after the completion of a certain number of replicative cycles ( 12 ). These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,028
Tête enseignante GPT0,264
Écart entre enseignants0,236 · 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

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHumana Press eBooksMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207