MétaCan
Menu
Retour à la cohorte
Enregistrement W2953289747 · doi:10.12688/f1000research.8705.1

Assessment of pharmacogenomic agreement

2016· preprint· en· W2953289747 sur OpenAlexafffund
Zhaleh Safikhani, Nehmé El-Hachem, Rene Quevedo, Petr Smirnov, Anna Goldenberg, Nicolai J. Birkbak, Christopher E. Mason, Christos Hatzis, Leming Shi, Hugo J.W.L. Aerts, John Quackenbush, Benjamin Haibe‐Kains

Notice bibliographique

RevueF1000Research · 2016
Typepreprint
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensMontreal Clinical Research InstituteHospital for Sick ChildrenPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Neurological Disorders and StrokeCanadian Cancer Society Research InstituteNational Institutes of HealthNational Cancer InstituteNational Institute on Alcohol Abuse and AlcoholismHigher Education Discipline Innovation ProjectGovernment of OntarioNational Natural Science Foundation of ChinaPershing Square Sohn Cancer Research AllianceNational Supercomputer Centre in GuangzhouCancer Research SocietyNational Heart, Lung, and Blood InstituteWorldQuant FoundationVallee FoundationOntario Institute for Cancer ResearchYale UniversityNational Aeronautics and Space Administration
Mots-clésPharmacogenomicsDrug responseDrugMedicineGenomicsComputational biologyPharmacologyBiologyGeneticsGeneGenome

Résumé

récupéré en direct d'OpenAlex

In 2013 we published an analysis demonstrating that drug response data and gene-drug associations reported in two independent large-scale pharmacogenomic screens, Genomics of Drug Sensitivity in Cancer (GDSC) and Cancer Cell Line Encyclopedia (CCLE), were inconsistent. The GDSC and CCLE investigators recently reported that their respective studies exhibit reasonable agreement and yield similar molecular predictors of drug response, seemingly contradicting our previous findings. Reanalyzing the authors' published methods and results, we found that their analysis failed to account for variability in the genomic data and more importantly compared different drug sensitivity measures from each study, which substantially deviate from our more stringent consistency assessment. Our comparison of the most updated genomic and pharmacological data from the GDSC and CCLE confirms our published findings that the measures of drug response reported by these two groups are not consistent. We believe that a principled approach to assess the reproducibility of drug sensitivity predictors is necessary before envisioning their translation into clinical settings.

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)0,097
score de la tête « metaresearch » (Gemma)0,289
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,512

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0970,289
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0100,009
Études des sciences et des technologies0,0010,004
Communication savante0,0050,003
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,098
Tête enseignante GPT0,474
Écart entre enseignants0,376 · 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'étudeSimulation ou modélisation
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

Citations35
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetComputational Drug Discovery MethodsTravaux en français237 207