From Prehistory to Precision Medicine: Are Genetic Risk Scores Our Next Step?
Notice bibliographique
Résumé
Since the dawn of civilization, man has demonstrated understanding of, and the ability to exploit, the concept of heredity. The earliest known evidence of selective breeding dates to the Mesolithic era, and a 6000-year-old tablet from Babylon shows a horse pedigree containing suggestions of the species’ hereditary traits1. Despite lacking a physical or chemical explanation of the substance transferred from parent to offspring, Gregor Mendel’s 1865 paper2, which defined the laws of monogenetic heredity, gave an indication of its existence. Around the same time, Francis Galton, a cousin of Charles Darwin, evaluated the effect of nature versus nurture through a considerable number of family and twin studies3. The work of the 2 scientists eventually gave rise to 2 fundamentally different views on heredity, with the critics of Mendelian inheritance arguing that it could not possibly explain traits displaying extreme individual variation in a population, such as stature. The dispute was finally resolved in 1918, when R.A. Fisher4 elegantly demonstrated that when a large number of genes with a Mendelian inheritance pattern act on top of each other, the result is a normally distributed variation in the characteristic, such as that seen for stature. Today, a century after Fisher’s publication, we have only just begun to comprehend the magnitude of genetic factors influencing a particular phenotype. For many complex diseases, hundreds or thousands of single-nucleotide polymorphisms (SNP) appear to be involved in the etiology5, each typically with an almost negligible effect size. With this realization, the early hopes that genome-wide association studies (GWAS) would lead to the identification of persons at risk of a particular disease, ultimately allowing new preventive and therapeutic strategies, were frustrated6. Thus, there remains a critical need for the development of new methods that integrate the … Address correspondence to Dr. S. Reid, Uppsala University, Medical Sciences, Akademiska sjukhuset, Ingång 40, 5 tr, 751 85 Uppsala, Sweden. Email: sarah.reid{at}medsci.uu.se.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».