Gene expression for biodosimetry and effect prediction purposes: promises, pitfalls and future directions – key session ConRad 2021
Notice bibliographique
Résumé
Purpose In a nuclear or radiological event, an early diagnostic or prognostic tool is needed to distinguish unexposed from low- and highly exposed individuals with the latter requiring early and intensive medical care. Radiation-induced gene expression (GE) changes observed within hours and days after irradiation have shown potential to serve as biomarkers for either dose reconstruction (retrospective dosimetry) or the prediction of consecutively occurring acute or chronic health effects. The advantage of GE markers lies in their capability for early (1–3 days after irradiation), high-throughput, and point-of-care (POC) diagnosis required for the prediction of the acute radiation syndrome (ARS).Conclusions As a key session of the ConRad conference in 2021, experts from different institutions were invited to provide state-of-the-art information on a range of topics including: (1) Biodosimetry: What are the current efforts to enhance the applicability of this method to perform retrospective biodosimetry? (2) Effect prediction: Can we apply radiation-induced GE changes for prediction of acute health effects as an approach, complementary to and integrating retrospective dose estimation? (3) High-throughput and point-of-care diagnostics: What are the current developments to make the GE approach applicable as a high-throughput as well as a POC diagnostic platform? (4) Low level radiation: What is the lowest dose range where GE can be used for biodosimetry purposes? (5) Methodological considerations: Different aspects of radiation-induced GE related to more detailed analysis of exons, transcripts and next-generation sequencing (NGS) were reported.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».