MétaCan
Menu
Retour à la cohorte
Enregistrement W4318900136 · doi:10.1155/2007/540469

Post‐Genomic Technologies

2007· article· en· W4318900136 sur OpenAlexaff
Donna G. Albertson, D. Goossens, Lien Heyrman, B Harding, Wim Glassee, Peter De Rijk, Jurgen Del‐Favero, Peggy Eis, Timothy A. Graubert, Patrick Cahan, Deepa Deepa, Rebecca R. Selzer, Todd, W. Richmond, Xia Li, McLeod, James M. Cheverud, Timothy J. Ley

Notice bibliographique

RevueAnalytical Cellular Pathology · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueLaw, AI, and Intellectual Property
Établissements canadiensInstitute of Cancer Research
Organismes subventionnairesnon disponible
Mots-clésComputational biologyComputer scienceWorld Wide WebData scienceBiology

Résumé

récupéré en direct d'OpenAlex

Genomic DNA copy number aberrations are frequent in solid tumors and genomic profiling of a number of different tumor types by array CGH has revealed variety in the numbers and types of copy number alterations in the tumor genomes.Copy number profiles distinguish tumor subtypes, and specific genomic alterations can be associated with other factors such as hormonal status or TP53 mutation status.Recurrent copy number aberrations, particularly amplifications, which are regions of focal high level copy number change, also focus attention on genes and the pathways in which they participate as candidates with roles in tumor development.Nevertheless, change in DNA copy number is only one way to alter expression of a gene.Other mechanisms for deregulation may be posttranscriptional, post-translational or involve alteration in expression of up stream genes, suggesting that the spectrum of alterations that one sees in fully developed tumors is a composite of selection acting on the variation that is permitted to arise by the particular failures in genome surveillance mechanism(s) present in the tumor.Here we review recent array CGH studies profiling breast and oral squamous cell carcinomas (SCC).We will focus on what we are learning about the underlying genomic instability that gives rise to particular copy number aberrations and discuss how we are taking advantage of the characteristics of oral pre-cancer and cancer genomes to take the next steps to identify genes important for tumor development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0380,042

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 GPT0,235
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical Cellular PathologyMême sujetLaw, AI, and Intellectual PropertyTravaux en français237 207