MétaCan
Menu
Retour à la cohorte
Enregistrement W2482079801 · doi:10.1158/1538-7445.am2016-5277

Abstract 5277: The cBioPortal for cancer genomics and its application in precision oncology

2016· article· en· W2482079801 sur OpenAlexaff
Jianjiong Gao, James Lindsay, Stuart Watt, Istemi Bahceci, Pieter Lukasse, Adam Abeshouse, Hsiao‐Wei Chen, Ino de Bruijn, Benjamin Groß, Dong Li, Ritika Kundra, Zachary Heins, Jorge S. Reis‐Filho, Onur Sumer, Yichao Sun, Jiaojiao Wang, Qingguo Wang, Hongxin Zhang, Priti Kumari, Merve Şahin, Sander de Ridder, Fedde Schaeffer, Kees van Bochove, Uğur Doğrusöz, Trevor J. Pugh, Chris Sander, Ethan Cerami, Nikolaus Schultz

Notice bibliographique

RevueCancer Research · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésDocumentationSoftwarePipeline (software)Computer scienceData scienceTimelineGenomicsVisualizationMedicineData miningGenomeBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The cBioPortal for Cancer Genomics provides intuitive visualization and analysis of complex cancer genomics data. The public site (http://cbioportal.org/) is accessed by more than 1,500 researchers per day, and there are now dozens of local instances of the software that host private data sets at cancer centers around the globe. We have recently released the software under an open source license, making it free to use and modify by anybody. The software and detailed documentation are available at https://github.com/cBioPortal/cbioportal. We are now establishing a multi-institutional software development network, which will coordinate and drive the future development of the software and associated data pipelines. This group will focus on four main areas: 1. New analysis and visualization features, including: a. Improved support for cross-cancer queries and cohort comparisons. b. Enhanced clinical decision support for precision oncology, including an improved patient view with knowledge base integration, patient timelines and improved tools for visualizing tumor evolution. 2. New data pipelines, including support for new genomic data types and streamlined pipelines for TCGA and the International Cancer Genome Consortium (ICGC). 3. Software architecture and performance improvements. 4. Community engagement: Documentation, user support, and training. This coordinated effort will help to further establish the cBioPortal as the software of choice in cancer genomics research, both in academia and the pharmaceutical industry. Furthermore, as the sequencing of tumor samples has entered clinical practice, we are expanding the features of the software so that it can be used for precision medicine at cancer centers. In particular, clean, web-accessible, interactive clinical reports integrating multiple sources of genome variation and clinical annotation over time has potential to improve clinical action beyond current text-based molecular reports. By making complex genomic data easily interpretable and linking it to information about drugs and clinical trials, the cBioPortal software has the potential to facilitate the use of genomic data in clinical decision making. Citation Format: Jianjiong Gao, James Lindsay, Stuart Watt, Istemi Bahceci, Pieter Lukasse, Adam Abeshouse, Hsiao-Wei Chen, Ino de Bruijn, Benjamin Gross, Dong Li, Ritika Kundra, Zachary Heins, Jorge Reis-Filho, Onur Sumer, Yichao Sun, Jiaojiao Wang, Qingguo Wang, Hongxin Zhang, Priti Kumari, M. Furkan Sahin, Sander de Ridder, Fedde Schaeffer, Kees van Bochove, Ugur Dogrusoz, Trevor Pugh, Chris Sander, Ethan Cerami, Nikolaus Schultz. The cBioPortal for cancer genomics and its application in precision oncology. [abstract]. In: Proceedings of the 107th Annual Meeting of the American Association for Cancer Research; 2016 Apr 16-20; New Orleans, LA. Philadelphia (PA): AACR; Cancer Res 2016;76(14 Suppl):Abstract nr 5277.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,584
Score d'incertitude au seuil0,249

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,054
Tête enseignante GPT0,417
Écart entre enseignants0,363 · 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'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

Citations24
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetCancer Genomics and DiagnosticsTravaux en français237 207