MétaCan
Menu
Retour à la cohorte
Enregistrement W3118051387 · doi:10.3126/jpn.v10i2.29862

A brief overview of homologous recombination deficiency testing in cancers for the ‘Next-Generation’ Pathologist

2020· article· en· W3118051387 sur OpenAlexaff
Poornima Vijayan, Luisa Bonilla

Notice bibliographique

RevueJournal of Pathology of Nepal · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePARP inhibition in cancer therapy
Établissements canadiensUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHomologous recombinationGenome instabilityDNA repairHomologous chromosomeSynthetic lethalityCancerMedicineGeneticsNon-allelic homologous recombinationPoly ADP ribose polymeraseCancer researchComputational biologyBioinformaticsBiologyGeneDNADNA damageRecombinationPolymeraseGenetic recombination

Résumé

récupéré en direct d'OpenAlex

Genomic instability is one of the hallmarks of cancer, having a crucial role in cancer pathogenesis as well as tumor proliferation. This essential feature is secondary to dysregulation of DNA damage repair pathways. Homologous repair represents the most reliable double-strand break repair mechanism. Homologous recombination deficiency is responsible for generating and perpetuating DNA damage in cancer, posing an opportunity for targeting treatment with poly(ADP-ribose) polymerase inhibitors through ‘synthetic lethality’, as well as platinum-based agents. Comprehensive genomic analysis has made it possible to discover molecular biomarkers that assist in the identification of Homologous recombination deficient tumors, allowing for the expansion of such treatment strategies to various other malignancies. Leveraging the improvement of genomic analysis methods to be more efficient in identifying Homologous recombination deficiency is crucial in the advancement of cancer care. The current review highlights the current strategies for Homologous recombination deficiency detection, clinical implications, limitations, and applicability.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil0,271

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,322
Tête enseignante GPT0,385
Écart entre enseignants0,063 · 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'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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pathology of NepalMême sujetPARP inhibition in cancer therapyTravaux en français237 207