MétaCan
Menu
Retour à la cohorte
Enregistrement W3013136118 · doi:10.3390/metabo10040123

An Integrative Approach to Assessing Diet–Cancer Relationships

2020· review· en· W3013136118 sur OpenAlexafffund
Rachel A. Murphy

Notice bibliographique

RevueMetabolites · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Cancer Society Research InstituteMichael Smith Health Research BC
Mots-clésOmicsCancerConsistency (knowledge bases)SkepticismMetabolomicsMetagenomicsBiomarker discoveryData scienceBioinformaticsBiologyProteomicsMedicineComputational biologyComputer scienceGenetics

Résumé

récupéré en direct d'OpenAlex

The relationship between diet and cancer is often viewed with skepticism by the public and health professionals, despite a considerable body of evidence and general consistency in recommendations over the past decades. A systems biology approach which integrates 'omics' data including metabolomics, genetics, metagenomics, transcriptomics and proteomics holds promise for developing a better understanding of how diet affects cancer and for improving the assessment of diet through biomarker discovery thereby renewing confidence in diet-cancer links. This review discusses the application of multi-omics approaches to studies of diet and cancer. Considerations and challenges that need to be addressed to facilitate the investigation of diet-cancer relationships with multi-omic approaches are also discussed.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
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 seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,067
Tête enseignante GPT0,373
Écart entre enseignants0,306 · 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

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetabolitesMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207