MétaCan
Menu
Retour à la cohorte
Enregistrement W2913804314 · doi:10.3390/cancers11020226

Detecting Chromosome Instability in Cancer: Approaches to Resolve Cell-to-Cell Heterogeneity

2019· review· en· W2913804314 sur OpenAlexafffund
Chloe C. Lepage, Claire R. Morden, Michaela C. L. Palmer, Mark W. Nachtigal, Kirk J. McManus

Notice bibliographique

RevueCancers · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrotubule and mitosis dynamics
Établissements canadiensUniversity of ManitobaResearch Institute in Oncology and Hematology
Organismes subventionnairesStrongNatural Sciences and Engineering Research Council of CanadaCancerCare Manitoba FoundationCanadian Institutes of Health ResearchCancer Research Society
Mots-clésChromosome instabilityGenome instabilityBiologyCancerCellChromosomeComputational biologyBioinformaticsGeneticsGeneDNADNA damage

Résumé

récupéré en direct d'OpenAlex

Chromosome instability (CIN) is defined as an increased rate of chromosome gains and losses that manifests as cell-to-cell karyotypic heterogeneity and drives cancer initiation and evolution. Current research efforts are aimed at identifying the etiological origins of CIN, establishing its roles in cancer pathogenesis, understanding its implications for patient prognosis, and developing novel therapeutics that are capable of exploiting CIN. Thus, the ability to accurately identify and evaluate CIN is critical within both research and clinical settings. Here, we provide an overview of quantitative single cell approaches that evaluate and resolve cell-to-cell heterogeneity and CIN, and discuss considerations when selecting the most appropriate approach to suit both research and clinical contexts.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,979
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,093
Tête enseignante GPT0,310
Écart entre enseignants0,217 · 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.

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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetMicrotubule and mitosis dynamicsTravaux en français237 207