MétaCan
Menu
Retour à la cohorte
Enregistrement W2990294110 · doi:10.1523/eneuro.0226-19.2019

Mega-Analysis of Gene Expression in Mouse Models of Alzheimer’s Disease

2019· review· en· W2990294110 sur OpenAlexafffund
Beryl C. Zhuang, B. Ogan Mancarci, Lilah Toker, Paul Pavlidis

Notice bibliographique

RevueeNeuro · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British Columbia
Organismes subventionnairesNational Institute of Mental HealthCanadian Institutes of Health ResearchNational Institutes of HealthNatural Sciences and Engineering Research Council of CanadaUniversity of British Columbia
Mots-clésMega-DiseaseGeneGene expressionBiologyGeneticsComputational biologyNeuroscienceMedicinePathology

Résumé

récupéré en direct d'OpenAlex

While multiple studies have been conducted of gene expression in mouse models of Alzheimer's disease (AD), their findings have not reached a clear consensus and have not accounted for the potentially confounding effects of changes in cellular composition. To help address this gap, we conducted a re-analysis based meta-analysis (mega-analysis) of ten independent studies of hippocampal gene expression in mouse models of AD. We used estimates of cellular composition as covariates in statistical models aimed to identify genes differentially expressed (DE) at either early or late stages of progression. Our analysis revealed changes in gene expression at early phases shared across studies, including dysregulation of genes involved in cholesterol biosynthesis and the complement system. Expression changes at later stages were dominated by cellular compositional effects. Thus, despite the considerable heterogeneity of the mouse models, we identified common patterns that may contribute to our understanding of AD etiology. Our work also highlights the importance of controlling for cellular composition effects in genomics studies of neurodegeneration.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,791

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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 Opus0,052
Tête enseignante GPT0,303
Écart entre enseignants0,252 · 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'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

Citations12
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeNeuroMême sujetBioinformatics and Genomic NetworksTravaux en français237 207