TMExplorer: A Tumour Microenvironment Single-cell RNAseq Database and Search Tool
Notice bibliographique
Résumé
ABSTRACT Tumour microenvironments (TME) contain a variety of cells including but not limited to stromal fibroblasts, endothelial cells, immune cells, malignant cells, and cells of the tissues of origin, whose interactions likely influence tumour behaviour and response to cancer treatment. The specific composition of the TME can be elucidated using single-cell RNA sequencing (scRNA-seq) by measuring expression profiles of individual cells. Several scRNA-seq datasets from multiple cancer types have been published in recent years, yet we still lack a comprehensive database for the collection and presentation of TME data from these studies in an easily accessible format. We have thus built a database of TME scRNA-seq data, containing 21 TME scRNA-seq datasets from 12 different cancer types. We have also created an R package called TMExplorer, which provides an interface to easily search and access all available datasets and their metadata. Data and metadata are kept in a consistent format across all datasets, with multiple expression formats available depending on the use case. Users can view a table of metadata and select individual datasets or filter them by specific characteristics. Users may also select a specific type of cancer and view all published scRNA-seq data for that cancer type available in our database. Users are provided with an option to save the data in multiple formats in order to view or process it outside of R. Thus, the TMExplorer database and search tool allows for thorough examination of the TME using scRNA-seq in a way that is streamlined and allows for easy integration into already existing scRNA-seq analysis pipelines.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».