MétaCan
Menu
Retour à la cohorte
Enregistrement W4281867267 · doi:10.1038/s41467-022-30916-1

Identifying colorectal cancer caused by biallelic MUTYH pathogenic variants using tumor mutational signatures

2022· article· en· W4281867267 sur OpenAlexaff
Peter Georgeson, Tabitha A. Harrison, Bernard J. Pope, Syed Hassan Ejaz Zaidi, Conghui Qu, Robert S. Steinfelder, Yi Lin, Jihoon E. Joo, Khalid Mahmood, Mark Clendenning, Romy Walker, Efrat L. Amitay, Sonja I. Berndt, Hermann Brenner, Peter T. Campbell, Yin Cao, Andrew T. Chan, Jenny Chang‐Claude, Kimberly F. Doheny, David A. Drew, Jane C. Figueiredo, Amy J. French, Steven Gallinger, Marios Giannakis, Graham G. Giles, Andrea Gsur, Marc J. Gunter, Michael Hoffmeister, Li Hsu, Wen‐Yi Huang, Paul J. Limburg, JoAnn E. Manson, Vı́ctor Moreno, Rami Nassir, Jonathan A. Nowak, Mireia Obón‐Santacana, Shuji Ogino, Amanda I. Phipps, John D. Potter, Robert E. Schoen, Wei Sun, Amanda E. Toland, Quang M. Trinh, Tomotaka Ugai, Finlay Macrae, Christophe Rosty, Thomas J. Hudson, Mark A. Jenkins, Stephen N. Thibodeau, Ingrid Winship, Ulrike Peters, Daniel D. Buchanan

Notice bibliographique

RevueNature Communications · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalUniversity of TorontoOntario Institute for Cancer Research
Organismes subventionnairesNational Health and Medical Research CouncilNational Cancer InstituteMedical Research CouncilNational Institutes of HealthWorld Health Organization
Mots-clésMUTYHColorectal cancerGeneticsBiologyCancer researchCancerMutationMedicineComputational biologyGeneGermline mutation

Résumé

récupéré en direct d'OpenAlex

OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil0,649

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,311
Écart entre enseignants0,290 · 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

Citations35
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetCancer Genomics and DiagnosticsTravaux en français237 207