MétaCan
Menu
Retour à la cohorte
Enregistrement W2299528162 · doi:10.3934/genet.2016.1.25

Towards defining the Mechanisms of Alzheimer's disease based on a contextual analysis of molecular pathways

2016· article· en· W2299528162 sur OpenAlexaff
Joanna L. Richens, Jonathan P. Bramble, Hannah L. Spencer, Fiona Cantlay, Molly Butler, Paul O’Shea

Notice bibliographique

RevueAIMS Genetics · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDiseaseContext (archaeology)Identification (biology)NeuroscienceAlzheimer's diseaseMedicineData scienceCognitive scienceBioinformaticsPsychologyBiologyComputer sciencePathology

Résumé

récupéré en direct d'OpenAlex

Abstract Alzheimer's disease (AD) is posing an increasingly profound problem to society. Our genuine understanding of the pathogenesis of AD is inadequate and as a consequence, diagnostic and therapeutic strategies are currently insufficient. The understandable focus of many studies is the identification of molecules with high diagnostic utility however the opportunity to obtain a further understanding of the mechanistic origins of the disease from such putative biomarkers is often overlooked. This study examines the involvement of biomarkers in AD to shed light on potential mechanisms and pathways through which they are implicated in the pathology of this devastating neurodegenerative disorder. The computational tools required to analyse ever-growing datasets in the context of AD are also discussed.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,028
Tête enseignante GPT0,283
Écart entre enseignants0,256 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIMS GeneticsMême sujetComputational Drug Discovery MethodsTravaux en français237 207