MétaCan
Menu
Retour à la cohorte
Enregistrement W3009065698 · doi:10.1093/neuonc/noaa046

Advancing biology-based therapeutic approaches for atypical teratoid rhabdoid tumors

2020· article· en· W3009065698 sur OpenAlexafffund
Lindsey M. Hoffman, Elizabeth A. Richardson, Ben Ho, Ashley Margol, Alyssa Reddy, Lucie Lafay‐Cousin, Susan Chi, Irene Slavc, Alexander R. Judkins, Martin Hasselblatt, Franck Bourdeaut, Michael C. Frühwald, Rajeev Vibhakar, Éric Bouffet, Annie Huang

Notice bibliographique

RevueNeuro-Oncology · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueChromatin Remodeling and Cancer
Établissements canadiensInstitute for Clinical Evaluative SciencesUniversity of CalgaryAlberta Children's HospitalUniversity of TorontoSickKids FoundationHospital for Sick Children
Organismes subventionnairesCanadian Cancer Society Research Institute
Mots-clésAtypical teratoid rhabdoid tumorSMARCB1EpigenomicsTranscriptomeEpigeneticsCarcinogenesisBiologyDNA methylationCancerBioinformaticsCancer researchMedicineGeneticsGeneGene expression

Résumé

récupéré en direct d'OpenAlex

Atypical teratoid rhabdoid tumor (ATRT) is a rare, highly malignant central nervous system cancer arising in infants and younger children, historically considered to be homogeneous, monogenic, and incurable. Recent use of intensified therapies has modestly improved survival for ATRT; however, a majority of patients will still succumb to their disease. While ATRTs almost universally exhibit loss of SMARCB1 (BAF47/INI1/SNF5), recent whole genome, transcriptome, and epigenomic analyses of large cohorts reveal previously underappreciated molecular heterogeneity. These discoveries provide novel insights into how SMARCB1 loss drives oncogenesis and confer specific therapeutic vulnerabilities, raising exciting prospects for molecularly stratified treatment for patients with ATRT.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,040
Tête enseignante GPT0,298
Écart entre enseignants0,258 · 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'étudeExpérimental (laboratoire)
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

Citations40
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetChromatin Remodeling and CancerTravaux en français237 207