MétaCan
Menu
Retour à la cohorte
Enregistrement W2804992074 · doi:10.1139/bcb-2017-0020

A systematic understanding of signaling by ErbB2 in cancer using phosphoproteomics

2018· article· en· W2804992074 sur OpenAlexvenueno aff
Chirukandath Sidhanth, P Manasa, S Krishnapriya, S Sneha, S. Bindhya, Rohit P. Nagare, Manoj Garg, Trivadi S. Ganesan

Notice bibliographique

RevueBiochemistry and Cell Biology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensnon disponible
Organismes subventionnairesCouncil of Scientific and Industrial Research, India
Mots-clésPhosphoproteomicsTrastuzumabSignal transductionReceptor tyrosine kinaseCancerErbBBiologyComputational biologyTyrosine kinaseReceptorCancer researchBreast cancerBioinformaticsCell biologyKinaseProtein kinase AGeneticsProtein phosphorylation

Résumé

récupéré en direct d'OpenAlex

ErbB2 is an important receptor tyrosine kinase and a member of the ErbB family. Although it does not have a specific ligand, it transmits signals downstream by heterodimerization with other receptors in the family. It plays a major role in a variety of cellular responses like proliferation, differentiation, and adhesion. ErbB2 is amplified at the DNA level in breast cancer (20%-30%) and gastric cancer (10%-20%), and trastuzumab is effective as a therapeutic antibody. This review is a critical analysis of the currently published data on the signaling pathways of ErbB2 and the interacting proteins. It also focuses on the techniques that are currently available to evaluate the entire phosphoproteome following activation of ErbB2. Identification of new and relevant phosphoproteins can not only serve as new therapeutic targets but also as a surrogate marker in patients to assess the activity of compounds that inhibit ErbB2. Overall, such analysis will improve understanding of signaling by ErbB2.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,294
Écart entre enseignants0,267 · 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'étudeObservationnel
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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207