MétaCan
Menu
Retour à la cohorte
Enregistrement W4249991964 · doi:10.1007/0-306-48143-x_19

Antisense therapy: Current status in prostate cancer and other malignancies

2006· book-chapter· en· W4249991964 sur OpenAlexaff
Martin Gleave, Hideake Miyake, Uwe Zangemeister‐Wittke, Burkhard Jansen

Notice bibliographique

RevueKluwer Academic Publishers eBooks · 2006
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDNA Repair Mechanisms
Établissements canadiensVancouver General HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésProstate cancerClusterinCancerAndrogen receptorComputational biologyCancer researchMedicineGeneOligonucleotideBiologyBioinformaticsInternal medicineGeneticsApoptosis

Résumé

récupéré en direct d'OpenAlex

Recent technological advances now allowing both large scale data generation and its in-depth analysis have opened new avenues to identify and target genes involved in neoplastic transformation and tumor progression. This accelerated identification and characterization of cancer-relevant molecular targets has sparked considerable interest in the development of new generations of anti-cancer agents. It is anticipated, that these agents will show enhanced specificity for malignant cells and a more favorable side-effect profile due to well-defined and tailored modes of action. Antisense oligonucleotides (ASOs) are short synthetic stretches of chemically modified DNA capable of specifically hybridizing to the mRNA of a chosen cancer-relevant target gene are close, after decades of challenges, close to fulfilling their promise in the clinical setting. Emerging clinical evidence supports the notion that ASOs stand a realistic chance of developing into one of the main players of rationally designed anti-cancer agents, although certainly not all of the challenges have been met to date. The status of antisense targeting of genes relevant to prostate cancer, including bcl-2, bcl-xL, clusterin, androgen receptor (AR) and IGFBPs, are reviewed.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
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 recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,260
Écart entre enseignants0,242 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKluwer Academic Publishers eBooksMême sujetDNA Repair MechanismsTravaux en français237 207