MétaCan
Menu
Retour à la cohorte
Enregistrement W2734362632 · doi:10.3390/ijms18071496

Clinical Applications of Autophagy Proteins in Cancer: From Potential Targets to Biomarkers

2017· review· en· W2734362632 sur OpenAlexafffund
Svetlana Bortnik, Sharon M. Gorski

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueAutophagy in Disease and Therapy
Établissements canadiensSimon Fraser UniversityCanada's Michael Smith Genome Sciences CentreUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesUniversity of British ColumbiaCanadian Institutes of Health ResearchAvon Foundation for Women
Mots-clésAutophagyContext (archaeology)BiomarkerClinical trialBiologyLysosomeCarcinogenesisComputational biologyBioinformaticsCancerMedicineBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

Autophagy, a lysosome-mediated intracellular degradation and recycling pathway, plays multiple context-dependent roles in tumorigenesis and treatment resistance. Encouraging results from various preclinical studies have led to the initiation of numerous clinical trials with the intention of targeting autophagy in various cancers. Accumulating knowledge of the particular mechanisms and players involved in different steps of autophagy regulation led to the ongoing discovery of small molecule inhibitors designed to disrupt this highly orchestrated process. However, the development of validated autophagy-related biomarkers, essential for rational selection of patients entering clinical trials involving autophagy inhibitors, is lagging behind. One possible source of biomarkers for this purpose is the autophagy machinery itself. In this review, we address the recent trends, challenges and advances in the assessment of the biomarker potential of clinically relevant autophagy proteins in human cancers.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,077
Tête enseignante GPT0,480
Écart entre enseignants0,403 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetAutophagy in Disease and TherapyTravaux en français237 207