In Silico Modelling of the TP53 pathway in Colorectal cancer
Notice bibliographique
Résumé
Abstract Colorectal cancer (CRC) is the third most frequent cancer and the fourth cause of cancer death worldwide. Inactivation of The TP53 pathway is a key genetic alteration in CRC Development. The TP53 gene triggers multiple cellular response by interaction with downstream genes. Researchers are continually seeking to explore such interactions to gain knowledge that can be used for disease management and prevention. This result in several large-scale transcriptomic technologies to estimate whole genome expression profiles for CRC. However, such analytical approaches generate massive volumes of data, which need careful processing to extract meaningful information using statistical and computational approaches. Some of these approaches have been dedicated to studying the disease through interrogation of pathway models based on molecular data and based on mining of the literature corpus in order to obtain deep insights which could help in drug discovery and the achievement of personalized medicine for cancer. These methods tend to address the dimensionality and complexity issues associated with large-scale technologies by presenting the data using signalling network models and pathway knowledge graphs. However, the possibility of identifying novel interactions and disease drivers remains limited, as most of these approaches are based on knowledge obtained from the literature through manual curation. This research applies ANN approaches for pathway data mining through a series of analyses leading to the identification of key interactions and novel drivers associated with the TP53 pathway in CRC. Which can be used to enhance knowledge about the pathway through identifying new elements that can be used to develop novel and effective therapeutic approaches for disease.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».