MétaCan
Menu
Retour à la cohorte
Enregistrement W4394115072 · doi:10.6084/m9.figshare.23658339

Additional file 1 of Dynamic profiling of medulloblastoma surfaceome

2023· dataset· en· W4394115072 sur OpenAlexaff
David Bakhshinyan, Yujin Suk, Laura Kuhlman, Ashley Adile, Vladimir Ignatchenko, Stefan Custers, William D. Gwynne, Andrew Mackling, Chitra Venugopal, Thomas Kislinger, Sheila K. Singh

Notice bibliographique

RevueFigshare · 2023
Typedataset
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity Health NetworkUniversity of TorontoMcMaster University
Organismes subventionnairesnon disponible
Mots-clésProfiling (computer programming)MedulloblastomaComputer scienceComputational biologyBiologyOperating systemCancer research

Résumé

récupéré en direct d'OpenAlex

Supplementary Material 1: Fig. 1, related to Fig. 1 Glycocapture box blot (A) prior to and (B) after SUC2-normalization (yellow dot; NPVLAANSTQFRDPK peptide). (C) Hierarchical clustering heatmap based on Euclidean distance of differentially expressed proteins demonstrating close clustering of technical triplicates. (D) ITGA5 peptide tag intensity, (E)ITGA5 mRNA expression and (F) ITGB1 protein expression in Group 3 MB cells isolated at pre-determined timepoints through therapy. (G) Comparison of ITGA5 intensity to SUC2 demonstrating selective enrichment for ITGA5 in Group 3 MB through therapy. Bars represent mean of at least three technical replicates. *p ≤ 0.05, **p ≤ 0.001, ***p ≤ 0.0001, ****p ≤ 0.00001; unpaired t-test or one-way ANOVA with Sidak’s method for multiple comparisons. Fig. 2, related to Fig. 1. (A) A Venn diagram demonstrating the number of unique and overlapping surface proteins enriched at each stage of therapy when compared to their expression at engraftment and control timepoints. (B) A list of proteins used to generate the Venn diagram. R = post-radiation; RC = post-chemoradiotherapy; Re = relapse. Fig. 2, related to Fig. 2. In silico evaluation of ITGA5 in publicly available MB repository. (A) Kaplan-Meir curve demonstrating worse overall survival in patients (n = 288) with relative mRNA expression of ITGA5 over 4.6 (RMA- Normalized). (B) Transcriptional expression of ITGA5 of 632 patients across 12 MB subtypes described in Cavalli et al. and (C) based on age group affiliation. **p ≤ 0.001; one-way ANOVA with Dunnett’s method for multiple comparisons. Fig. 3, related to Fig. 3. Characterization and validation of ITGA5 KD. (A) mRNA expression of ITGA5 in HEK293FT cells post ITGA5 KD. (B) Microscopic images of HEK293FT cells post ITGA5 KD. Changes in (C)ITGA5 mRNA expression in reccurent Group 3 MB cells post ITGA5 KD. (D) Flow cytometric evaluation of changes in ITGA5 surface expression in HD-MB03-Re cells post ITGA5 KD. Bars represent mean of at least three technical replicates. *p ≤ 0.05, **p ≤ 0.001, ***p ≤ 0.0001, ****p ≤ 0.00001; unpaired t-test or one-way ANOVA with Sidak’s method for multiple comparisons. Fig. 4, related to Fig. 4. Selectivity characterization of dioscin in recurrent Group 3 MB cells and hNSCs. (A) Dose response curves and (B) corresponding IC50 concentrations and hill slopes of dioscin in hNSCs and three recurrent Group 3 MB lines. Points represent mean of three technical replicates, normalized to DMSO. Error bars represent standard error of the mean. IC50 and Hill slope values standardized to two decimal places. Fig. 5, related to Fig. 4. Expression of ITGA5 in healthy human tissue samples (A) ITGA5 protein levels as detected by whole cell proteomics in health tissues, reported by Wang et al. Protein intensity is reported as intensity-based absolute quantification (iBAQ) values, normalized using median centering across tissues. (B) ITGA5 protein expression as detected by antibody staining using the Human Proteome Atlas public repository. Staining strength corresponds to expression levels, including high (3), medium (2), low (1), and not detected (0). (C) mRNA expression of ITGA5 in various tissues according to Genotype-Tissue Expression (GTEx) dataset ( https://www.proteinatlas.org/ ); expressed in transcripts per million (TPM).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,360

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,7480,169

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 Opus0,016
Tête enseignante GPT0,290
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207