MétaCan
Menu
Retour à la cohorte
Enregistrement W2331812906 · doi:10.1177/0967772013498541

Discovery of why acute lymphoblastic leukaemia cells are killed by asparaginase: Adventures of a young post-doctoral student, Bertha K Madras

2013· article· en· W2331812906 sur OpenAlexaff
Philip Seeman

Notice bibliographique

RevueJournal of Medical Biography · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAsparaginaseLymphoblastic LeukemiaAsparagineAsparagine synthetaseEnzymeGuinea pigMedicineBiologyMolecular biologyImmunologyLeukemiaInternal medicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

A surprising finding was made by JG Kidd (1909-1991) that guinea pig serum could make tumours disappear in mice. A later finding made by JD Broome (1939-) showed that asparaginase could suppress or kill tumour cells. However, the major mystery was why were only tumour cells but not normal cells affected by the asparaginase? The biology underlying this mechanism was unravelled by a young post-doctoral student, Bertha K Madras (1942-) who hypothesized that cells with low asparagine synthetase are those that die following treatment with asparaginase. To test her theory, Madras developed an assay for asparagine synthetase. The hypothesis was supported by the results that cells with normal asparagine synthetase were protected, while cells with low levels of this enzyme were killed by asparaginase. The findings provide a clinical guide for the use of asparaginase in acute lymphoblastic leukaemia in children and adults.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,439
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,279
Écart entre enseignants0,272 · 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.

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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical BiographyMême sujetAcute Lymphoblastic Leukemia researchTravaux en français237 207