Correspondence on “PICaSSO Histologic Remission Index (PHRI) in ulcerative colitis: development of a novel simplified histological score for monitoring mucosal healing and predicting clinical outcomes and its applicability in an artificial intelligence system” by Gui <i>et al</i>
Notice bibliographique
Résumé
ABSTRACT Cancer rates vary widely across vertebrate groups. Identifying species with lower-than-expected cancer prevalence can help establish new models for unraveling the biological mechanisms underlying cancer resistance. Theoretical predictions suggest that cancer prevalence should be positively associated with body mass and longevity in animals. Yet, in mammals, the best studied vertebrates in terms of cancer, this prediction does not hold true: a phenomenon known as Peto’s paradox. Despite mounting work disentangling the biological basis of Peto’s paradox, it is still relatively unknown whether other major vertebrate groups behave similarly to mammals or might hold new keys to understanding cancer biology. Here, we present the largest dataset available so far on cancer prevalence across all major groups of tetrapod vertebrates: amphibians, birds, crocodilians, mammals, squamates (lizards and snakes), and turtles. We investigated cancer prevalence within and among these groups and its relationship with body mass and lifespan. This is the first study to analyze non-avian reptile groups separately. We found remarkably low cancer prevalence in birds, crocodilians, and turtles. Counter to previous studies, we found that body mass and lifespan are inversely related to cancer prevalence in mammals, although Peto’s paradox still holds true in this group. Conversely, we rejected Peto’s paradox in birds and squamates, as neoplasia prevalence was positively associated with body mass in these groups. The exceptionally low cancer prevalence in turtles and extensive variation in cancer prevalence amongst vertebrate families hold particular promise for identifying species with novel mechanisms of cancer resistance.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,010 |
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 ».