MétaCan
Menu
Retour à la cohorte
Enregistrement W3084380855 · doi:10.1101/2020.09.08.287573

KuLGaP: A Selective Measure for Assessing Therapy Response in Patient-Derived Xenografts

2020· preprint· en· W3084380855 sur OpenAlexafffund
Janosch Ortmann, Ladislav Rampášek, Elijah Tai, Arvind Singh Mer, Ruoshi Shi, Erin Stewart, Céline Mascaux, Aline Fusco Fares, Nhu‐An Pham, Gangesh Beri, Christopher Eeles, Denis Tkachuk, Chantal Ho, Shingo Sakashita, Jessica Weiss, Xiaoqian Jiang, Geoffrey Liu, David W. Cescon, Catherine O′Brien, Sheng Guo, Ming‐Sound Tsao, Benjamin Haibe‐Kains, Anna Goldenberg

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensOntario Institute for Cancer ResearchPrincess Margaret Cancer CentreCanadian Institute for Advanced ResearchVector InstituteHospital for Sick ChildrenToronto General HospitalUniversity Health NetworkUniversity of TorontoUniversité de MontréalGroup for Research in Decision AnalysisUniversité du Québec à Montréal
Organismes subventionnairesCanadian Institutes of Health ResearchConcordia UniversityCanadian Cancer Society Research InstituteTerry Fox FoundationOntario Institute for Cancer ResearchTerry Fox Research InstituteCalifornia HIV/AIDS Research ProgramCanadian Institute for Advanced ResearchPrincess Margaret Cancer FoundationStand Up To CancerEntertainment Industry FoundationGovernment of OntarioAmerican Association for Cancer Research
Mots-clésMeasure (data warehouse)Task (project management)Translation (biology)Computer scienceVariation (astronomy)Clinical PracticeMedicineArtificial intelligenceOncologyMachine learningData miningBiologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Quantifying response to drug treatment in mouse models of human cancer is important for treatment development and assignment, and yet remains a challenging task. A preferred measure to quantify this response should take into account as much of the experimental data as possible, i.e. both tumor size over time and the variation among replicates. We propose a theoretically grounded measure, KuLGaP, to compute the difference between the treatment and control arms. KuLGaP is more selective than currently existing measures, reduces the risk of false positive calls and improves translation of the lab results to clinical practice.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,024
Tête enseignante GPT0,240
Écart entre enseignants0,216 · 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.

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

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetSingle-cell and spatial transcriptomicsTravaux en français237 207