MétaCan
Menu
Retour à la cohorte
Enregistrement W2404352909 · doi:10.1158/1535-7163.targ-15-b109

Abstract B109: AZD5363, a catalytic pan-Akt inhibitor, in <i>Akt1</i> E17K mutation positive advanced solid tumors

2015· article· en· W2404352909 sur OpenAlexaff
David M. Hyman, Lillian M. Smyth, Philippe L. Bédard, Amit M. Oza, Emma Dean, Anne Armstrong, João Paulo da Silveira Nogueira Lima, Hideaki Bando, Peter Kabos, José Alejandro Pérez Fidalgo, Kathleen N. Moore, Shannon N. Westin, Benoît You, Sarat Chandarlapaty, Leila Alland, Helen Ambrose, Andrew Foxley, Justin P.O. Lindemann, Martin Pass, Paul Rugman, Shaista Salim, Gaia Schiavon, Kenji Tamura, José Baselga, Udai Banerji

Notice bibliographique

RevueMolecular Cancer Therapeutics · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésAKT1CancerProtein kinase BLibrary scienceMedicineChemistryPhosphorylationBiochemistryInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This abstract has been withheld from publication due to its inclusion in the AACR-NCI-EORTC Molecular Targets Conference 2015 Official Press Program. It will be posted online at the time of its presentation in a press conference or in a session: 10:00 AM ET Saturday, November 7. Citation Format: David M. Hyman, Lillian Smyth, Philippe L. Bedard, Amit Oza, Emma Dean, Anne Armstrong, Joao Lima, Hideaki Bando, Peter Kabos, J. Alejandro Perez-Fidalgo, Kathleen Moore, Shannon N. Westin, Benoit You, Sarat Chandarlapaty, Leila Alland, Helen Ambrose, Andrew Foxley, Justin Lindemann, Martin Pass, Paul Rugman, Shaista Salim, Gaia Schiavon, Kenji Tamura, Jose Baselga, Udai Banerji. AZD5363, a catalytic pan-Akt inhibitor, in Akt1 E17K mutation positive advanced solid tumors. [abstract]. In: Proceedings of the AACR-NCI-EORTC International Conference: Molecular Targets and Cancer Therapeutics; 2015 Nov 5-9; Boston, MA. Philadelphia (PA): AACR; Mol Cancer Ther 2015;14(12 Suppl 2):Abstract nr B109.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,114
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,029
Tête enseignante GPT0,309
Écart entre enseignants0,281 · 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'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

Citations18
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer TherapeuticsMême sujetRenal cell carcinoma treatmentTravaux en français237 207