MétaCan
Menu
Retour à la cohorte
Enregistrement W4232712680 · doi:10.1155/2007/258297

Cytology Microarrays

2007· article· en· W4232712680 sur OpenAlexafffund
Jagoda Korbelik, M. Cardeno, Jasenka Matisic, Anita Carraro, Calum MacAulay

Notice bibliographique

RevueAnalytical Cellular Pathology · 2007
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene expression and cancer classification
Établissements canadiensCanadian Centre for Applied Research in Cancer ControlOccupational Cancer Research CentreBC Cancer Agency
Organismes subventionnairesNational Cancer InstituteCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésDNA microarrayTissue microarraySpotsMicroarrayReproducibilityBiomedical engineeringComputational biologyComputer scienceBiologyPathologyGene expressionChemistryChromatographyMedicineGeneticsCancerGene

Résumé

récupéré en direct d'OpenAlex

The use of high throughput genetic and expression platforms are generating many candidate diagnostic markers and therapeutic targets for a wide variety of clinical conditions. Tissue microarrays can be used for the evaluation of the utility of many of these markers. However, tissue microarrays can suffer from the limitations associated with sampling and sectioning tissues. We introduce a novel microarray technique based on cell suspensions. Multiple slides can be made, all of which are equally representative of the initial sample. A robotic device was designed that can deposit 60 distinct spots of cytological material on a glass slide. Each spot of cells deposited in this manner may correspond to a unique source. Controlling the number of cells per spot, their distribution within the spot and the size of the spot can be achieved by modifying the viscosity of the cell solution or regulating the amount of fluid deposited. A fully automated analysis of quantitatively stained microarray samples has been performed to quantify the number of cells per spot, the size of spots and the DNA amount per cell in each spot. The reproducibility of these parameters was found to be high.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,497

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,271
Écart entre enseignants0,258 · 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

Citations1
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical Cellular PathologyMême sujetGene expression and cancer classificationTravaux en français237 207