Next Generation Sequencing Workshop at the Royal Society of Medicine (London, May 2022): how genomics is on the path to modernizing genetic toxicology
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
The use of error-corrected Next Generation Sequencing (ecNG) to determine mutagenicity has been a subject of growing interest and potentially a disruptive technology that could supplement, and in time, replace current testing paradigms in preclinical safety assessment. Considering this, a Next Generation Sequencing Workshop was held at the Royal Society of Medicine in London in May 2022, supported by the United Kingdom Environmental Mutagen Society (UKEMS) and TwinStrand Biosciences (WA, USA), to discuss progress and future applications of this technology. In this meeting report, the invited speakers provide an overview of the Workshop topics covered and identify future directions for research. In the area of somatic mutagenesis, several speakers reviewed recent progress made with correlating ecNGS to classic in vivo transgenic rodent mutation assays as well as exploring the use of this technology directly in humans and animals, and in complex organoid models. Additionally, ecNGS has been used for detecting off-target effects of gene editing tools and emerging data suggest ecNGS potential to measure clonal expansion of cells carrying mutations in cancer driver genes as an early marker of carcinogenic potential and for direct human biomonitoring. As such, the workshop demonstrated the importance of raising awareness and support for advancing the science of ecNGS for mutagenesis, gene editing, and carcinogenesis research. Furthermore, the potential of this new technology to contribute to advances in drug and product development and improve safety assessment was extensively explored.
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 | 0,000 | 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