MétaCan
Menu
Retour à la cohorte
Enregistrement W2930367636 · doi:10.1002/med.21575

ETS transcription factors as emerging drug targets in cancer

2019· review· en· W2930367636 sur OpenAlexafffund
Michael Hsing, Yuzhuo Wang, Paul S. Rennie, Michael Cox, Artem Cherkasov

Notice bibliographique

RevueMedicinal Research Reviews · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesTerry Fox Research Institute
Mots-clésETS transcription factor familyProstate cancerTranscription factorContext (archaeology)Drug discoveryBiologyCancerComputational biologyDrug targetDrugProtein familyBioinformaticsCancer researchGeneticsPharmacologyGene

Résumé

récupéré en direct d'OpenAlex

The ETS family of proteins consists of 28 transcription factors, many of which have been implicated in development and progression of a variety of cancers. While one family member, ERG, has been rigorously studied in the context of prostate cancer where it plays a critical role, other ETS factors keep emerging as potential hallmark oncodrivers. In recent years, numerous studies have reported initial discoveries of small molecule inhibitors of ETS proteins and opened novel avenues for ETS-directed cancer therapies. This review summarizes the state of the art data on therapeutic targeting of ETS family members and highlights the corresponding drug discovery strategies.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,439
Tête enseignante GPT0,571
Écart entre enseignants0,132 · 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

Citations93
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedicinal Research ReviewsMême sujetProstate Cancer Treatment and ResearchTravaux en français237 207