MétaCan
Menu
Retour à la cohorte
Enregistrement W2792447269 · doi:10.1111/eva.12608

Turning natural adaptations to oncogenic factors into an ally in the war against cancer

2018· article· en· W2792447269 sur OpenAlexaff
Marion Vittecoq, Mathieu Giraudeau, Tuul Sepp, David J. Marcogliese, Marcel Klaassen, François Renaud, Beáta Újvári, Frédéric Thomas

Notice bibliographique

RevueEvolutionary Applications · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensEnvironment and Climate Change CanadaFisheries and Oceans Canada
Organismes subventionnairesInstitut écologie et environnementCentre National de la Recherche ScientifiqueAgence Nationale de la Recherche
Mots-clésBiologyCancerNatural (archaeology)Adaptation (eye)EcologyGeneticsNeuroscience

Résumé

récupéré en direct d'OpenAlex

Both field and experimental evolution studies have demonstrated that organisms naturally or artificially exposed to environmental oncogenic factors can, sometimes rapidly, evolve specific adaptations to cope with pollutants and their adverse effects on fitness. Although numerous pollutants are mutagenic and carcinogenic, little attention has been given to exploring the extent to which adaptations displayed by organisms living in oncogenic environments could inspire novel cancer treatments, through mimicking the processes allowing these organisms to prevent or limit malignant progression. Building on a substantial knowledge base from the literature, we here present and discuss this progressive and promising research direction, advocating closer collaboration between the fields of medicine, ecology, and evolution in the war against cancer.

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 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 enseignants0,896
Score d'incertitude au seuil0,413

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 Opus0,011
Tête enseignante GPT0,292
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.

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

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvolutionary ApplicationsMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207