MétaCan
Menu
Retour à la cohorte
Enregistrement W3023084036 · doi:10.3390/ijms21093171

DRUGPATH: The Drug Gene Pathway Meta-Database

2020· article· en· W3023084036 sur OpenAlexaff
Rajeev Jaundoo, Travis J. A. Craddock

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of Alberta
Organismes subventionnairesU.S. Department of Defense
Mots-clésDatabaseGeneComputational biologyBiologyBioinformaticsGeneticsComputer science

Résumé

récupéré en direct d'OpenAlex

The complexity of modern-day diseases often requires drug treatment therapies consisting of multiple pharmaceutical interventions, which can lead to adverse drug reactions for patients. A priori prediction of these reactions would not only improve the quality of life for patients but also save both time and money in regards to pharmaceutical research. Consequently, the drug-gene-pathway (DRUGPATH) meta-database was developed to map known interactions between drugs, genes, and pathways among other information in order to easily identify potential adverse drug events. DRUGPATH utilizes expert-curated sources such as PharmGKB, DrugBank, and the FDA’s NDC database to identify known as well as previously unknown/overlooked relationships, and currently contains 12,940 unique drugs, 3933 unique pathways, 5185 unique targets, and 3662 unique genes. Moreover, there are 59,561 unique drug-gene interactions, 77,808 unique gene-pathway interactions, and over 1 million unique drug-pathway interactions.

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)0,002
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil0,827

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0040,001
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 Opus0,061
Tête enseignante GPT0,324
Écart entre enseignants0,263 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetComputational Drug Discovery MethodsTravaux en français237 207