R400: A novel gene signature for dose prediction in radiation exposure studies in humans
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Radiation’s harmful effects on biological organisms have long been studied through mainly evaluating pathological changes in cells, tissues, or organs. Recently, there have been more accessible gene expression datasets relating to radiation exposure studies. This provides an opportunity to analyze responses at the molecular level toward revealing phenotypic differences. Biomarkers in toxicogenomics have been suggested as indicators of radiation exposure and seem to react differently to various dosages of radiation. This study proposes a predictive gene signature specific to radiation exposure and can be used in automatically diagnosing the exposure dose. In searching for a reliable gene set that will correctly identify the exposure dose, consideration needs to be given to the size of the set. For this reason, we experimented with the number of genes used for training and testing. Gene set sizes of 28, 100, 200, 300, 400, 500, 600, 700, 800, 900 and 1,000 were tested to find the size that provided the best accuracy across three datasets. Models were then trained and tested using multiple datasets in various ways, including an external validation. The dissimilarities between these datasets provide an analogy to real-world conditions where data from multiple sources are likely to have variances in format, settings, time parameters, participants, processes, and machine tolerances, so a robust training dataset from many heterogeneous samples should provide better predictability. All three datasets showed positive results with the correct classification of the radiation exposure dose. The average accuracy of all three models was 88% for gene sets of both 400 and 1,000 genes. R400 provided the best results when testing the three datasets used in this study. A literature validation of top selected genes shows high relevance of perturbations to adverse effects reported during cancer radiotherapy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle