MétaCan
Menu
Retour à la cohorte
Enregistrement W2604694191 · doi:10.1158/1557-3125.dnarepair16-ia05

Abstract IA05: Prospective identification of vulnerabilities to DNA repair inhibitors

2017· article· en· W2604694191 sur OpenAlexaffabout
Daniel Durocher

Notice bibliographique

RevueMolecular Cancer Research · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueBiomedical Ethics and Regulation
Établissements canadiensLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesnon disponible
Mots-clésCRISPRComputational biologyIdentification (biology)CancerBiologyCas9DNA repairGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract The advent of CRISPR/Cas9 as a gene editing tool has enable the development of genome-scale libraries of single-guide RNAs that can be used to probe biological processes. CRISPR/Cas9 screens can be used to profile the essential gene complement of cancer cell lines, map genetic interactions and chart the response to drugs. During my presentation, I will present our efforts to map the genetic networks that govern the DNA damage response and will discuss our work aimed at mapping the genetic architecture of the response to PARP inhibitors. Our work revealed new types of genetic vulnerabilities to PARP inhibition and in particular, I will discuss a type DNA lesion that could act as the elusive inhibited-PARP “trap”. Citation Format: Daniel Durocher. Prospective identification of vulnerabilities to DNA repair inhibitors [abstract]. In: Proceedings of the AACR Special Conference on DNA Repair: Tumor Development and Therapeutic Response; 2016 Nov 2-5; Montreal, QC, Canada. Philadelphia (PA): AACR; Mol Cancer Res 2017;15(4_Suppl):Abstract nr IA05.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,414
Score d'incertitude au seuil0,353

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,064
Tête enseignante GPT0,442
Écart entre enseignants0,378 · 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer ResearchMême sujetBiomedical Ethics and RegulationTravaux en français237 207