Molecular Big Data in Sports Sciences: State-of-Art and Future Prospects of OMICS-Based Sports Sciences
Notice bibliographique
Résumé
Together with environment and experience (that is to say, diet and training), the biological and genetic make-up of an athlete plays a major role in exercise physiology. Sports genomics has shown, indeed, that some DNA single nucleotide polymorphisms (SNPs) can be associated with athlete performance and level (such as elite/world-class athletic status), having an impact on physical activity behavior, endurance, strength, power, speed, flexibility, energetic expenditure, neuromuscular coordination, metabolic and cardio-respiratory fitness, among others, as well as with psychological traits. Athletic phenotype is complex and depends on the combination of different traits and characteristics: as such, it requires a "complex science," like that of metadata and multi-OMICS profiles. Several projects and trials (like ELITE, GAMES, Gene SMART, GENESIS, and POWERGENE) are aimed at discovering genomics-based biomarkers with an adequate predictive power. Sports genomics could enable to optimize and maximize physical performance, as well as it could predict the risk of sports-related injuries. Exercise has a profound impact on proteome too. Proteomics can assess both from a qualitative and quantitative point of view the modifications induced by training. Recently, scholars have assessed the epigenetics changes in athletes. Summarizing, the different omics specialties seem to converge in a unique approach, termed sportomics or athlomics and defined as a "holistic and top-down," "non-hypothesis-driven research on an individual's metabolite changes during sports and exercise" (the Athlome Project Consortium and the Santorini Declaration) Not only sportomics includes metabonomics/metabolomics, but relying on the athlete's biological passport or profile, it would enable the systematic study of sports-induced changes and effects at any level (genome, transcriptome, proteome, etc.). However, the wealth of data is so huge and massive and heterogenous that new computational algorithms and protocols are needed, more computational power is required as well as new strategies for properly and effectively combining and integrating data.
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 | 0,024 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,010 | 0,019 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».