Abstract 1249: cBioPortal for Cancer Genomics
Notice bibliographique
Résumé
Abstract cBioPortal for Cancer Genomics is an open-source platform for interactive, exploratory analysis of large-scale clinico-genomic data. cBioPortal provides a suite of user-friendly visualizations and analyses, including OncoPrints, mutation lollipop plots, variant interpretation, group comparison, survival analysis, expression correlation analysis, alteration enrichment analysis, cohort and patient-level visualization. The public site (https://www.cbioportal.org) is accessed by >35,000 unique visitors each month and hosts data from >390 studies spanning individual labs and large consortia. All data is available in the cBioPortal Datahub: https://github.com/cBioPortal/datahub; in 2023 we added 35 studies (~16,000 samples). In addition, >86 instances of cBioPortal are installed at academic institutions and companies worldwide. We also host a dedicated instance for AACR Project GENIE, enabling access to the GENIE cohort of >197,000 clinically sequenced samples from 19 institutions (https://genie.cbioportal.org). The GENIE Biopharma Collaborative (BPC) enables the collection of comprehensive clinical annotations including response, outcome, and treatment history, which can all be visualized in cBioPortal. BPC cohorts for non-small cell lung cancer (~2,000 samples) and colorectal cancer (~1,500 samples) are available, with more cancer types to come. This past year, we significantly enhanced existing features. Group comparison now includes a Mutations tab showing a mirrored lollipop plot and outcomes analysis now supports hazard ratios and landmark analysis. Arm-level copy number can now be compared across groups, as can any data in the generic assay format. We also enhanced the study view. Users can now add charts to summarize the copy number of a specific gene across the cohort. The option to add custom data charts now supports numerical data as well as categorical data. Filters in study view can now be manually submitted, which provides a performance improvement when applying multiple filters in a large cohort. Larger-scale performance improvements are currently underway. We continue to improve support for multimodal datasets incorporating derived data elements, including cell type counts and fractions per sample from imaging or single cell data. The MSK-SPECTRUM ovarian cancer study has samples profiled with bulk sequencing, scRNASeq, H&E and mpIF imaging. Through integrations with CELLxGENE (single cell data) and Minerva (imaging), users can explore these data modalities in detail in isolation and query them jointly in cBioPortal. cBioPortal is open source (https://github.com/cBioPortal/). Development is a collaborative effort among groups at Memorial Sloan Kettering Cancer Center, Dana-Farber Cancer Institute, Childrens Hospital of Philadelphia, Princess Margaret Cancer Centre, Caris Life Sciences, Bilkent University and The Hyve. We welcome open source contributions from others in the cancer research community. Citation Format: Tali Mazor, Ino de Bruijn, Rima AlHamad, Calla Chennault, Corey Dubin, Jeremy Easton-Marks, Zhaoyuan Fu, Benjamin Gross, Charles Haynes, David M. Higgins, Jason Hwee, Prasanna K. Jagannathan, Mirella Kalafati, Karthik Kalletla, James Ko, Tim Kuijpers, Sowmiyaa Kumar, Priti Kumari, Ritika Kundra, Bryan Lai, Xiang Li, James Lindsay, Aaron Lisman, Qi-Xuan Lu, Ramyasree Madupuri, Angelica Ochoa, Yusuf Z. Özgül, Oleguer Plantalech, Matthijs N. Pon, Baby A. Satravada, Jessica Singh, Selcuk Onur Sumer, Pim van Nierop, Floris Vleugels, Avery Wang, Manda Wilson, Hongxin Zhang, Gaofei Zhao, Ugur Dogrusoz, Allison Heath, Adam Resnick, Trevor J. Pugh, Chris Sander, Ethan Cerami, Jianjiong Gao, Nikolaus Schultz. cBioPortal for Cancer Genomics [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2024; Part 1 (Regular Abstracts); 2024 Apr 5-10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84(6_Suppl):Abstract nr 1249.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,111 | 0,130 |
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 ».