Hourglass, a rapid analysis framework for heterogeneous bioimaging data, identifies sex disparity in <scp>IL</scp>‐6/<scp>STAT3</scp>‐associated immune phenotypes in pancreatic cancer
Notice bibliographique
Résumé
Integration and mining of bioimaging data remains a challenge and lags behind the rapidly expanding digital pathology field. We introduce Hourglass, an open-access analytical framework that streamlines biology-driven visualization, interrogation, and statistical assessment of multiparametric datasets. Cognizant of tissue and clinical heterogeneity, Hourglass systematically organizes observations across spatial and global levels and within patient subgroups. Applied to an extensive bioimaging dataset, Hourglass promptly consolidated a breadth of known interleukin-6 (IL-6) functions via its downstream effector STAT3 and uncovered a so-far unknown sexual dimorphism in the IL-6/STAT3-linked intratumoral T-cell response in human pancreatic cancer. As an R package and cross-platform application, Hourglass facilitates knowledge extraction from multi-layered bioimaging datasets for users with or without computational proficiency and provides unique and widely accessible analytical means to harness insights hidden within heterogeneous tissues at the sample and patient level. © 2023 The Authors. The Journal of Pathology published by John Wiley & Sons Ltd on behalf of The Pathological Society of Great Britain and Ireland.
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 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».