MétaCan
Menu
Retour à la cohorte
Enregistrement W4379378068 · doi:10.1101/cshperspect.a041382

High-Throughput Identification, Modeling, and Analysis of Cancer Driver Genes In Vivo

2023· review· en· W4379378068 sur OpenAlexfundno aff
Yuning J. Tang, Emily G. Shuldiner, Saswati Karmakar, Monte M. Winslow

Notice bibliographique

RevueCold Spring Harbor Perspectives in Medicine · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Chromatin Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésIdentification (biology)Cancer geneticsComputer scienceComputational biologyLibrary scienceData scienceCancerBiologyGeneticsEcology

Résumé

récupéré en direct d'OpenAlex

The vast number of genomic and molecular alterations in cancer pose a substantial challenge to uncovering the mechanisms of tumorigenesis and identifying therapeutic targets. High-throughput functional genomic methods in genetically engineered mouse models allow for rapid and systematic investigation of cancer driver genes. In this review, we discuss the basic concepts and tools for multiplexed investigation of functionally important cancer genes in vivo using autochthonous cancer models. Furthermore, we highlight emerging technical advances in the field, potential opportunities for future investigation, and outline a vision for integrating multiplexed genetic perturbations with detailed molecular analyses to advance our understanding of the genetic and molecular basis of cancer.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,331
Écart entre enseignants0,305 · 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'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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCold Spring Harbor Perspectives in MedicineMême sujetGenomics and Chromatin DynamicsTravaux en français237 207