MétaCan
Menu
Retour à la cohorte
Enregistrement W4395954697 · doi:10.1101/2024.04.23.590739

Chemical Coverage of the Human Reactome

2024· preprint· en· W4395954697 sur OpenAlexafffund
Haejin Angela Kwak, Lihua Liu, Claudia Tredup, Sandra Röhm, Panagiotis Prinos, Jark Böttcher, Matthieu Schapira

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensStructural Genomics ConsortiumCanada Research ChairsUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Genomics InstituteEuropean Federation of Pharmaceutical Industries and AssociationsMerck KGaACanadian Institutes of Health ResearchOntario GenomicsGenome CanadaMcGill UniversityGenentechBayerPfizerBristol-Myers Squibb
Mots-clésComputer scienceComputational biologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Chemical probes and chemogenomic compounds are valuable tools to link gene to phenotype, explore human biology and uncover novel targets for precision medicine. A growing federation of scientists is contributing to the mission of Target 2035 – discovering chemical tools for all druggable human proteins by the year 2035. It is expected that these compounds will enable the understanding of the regulation of cellular machineries and biological processes across the compendium of signaling pathways that animate cellular life. Here, we draw a landscape of the current chemical coverage of the human Reactome. We find that even though available chemical probes and chemogenomic compounds are targeting only 3% of the human proteome, they cover 53% of the human Reactome, due to the fact that 46% of human proteins are involved in more than one cellular pathway. As such, existing chemical probes and chemogenomic compounds already represent a versatile toolkit to manipulate a vast portion of human biology. Pathways targeted by existing drugs may be enriched in unknown but valid drug targets and could be prioritized in future Target 2035 efforts.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,018
Tête enseignante GPT0,262
Écart entre enseignants0,243 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetComputational Drug Discovery MethodsTravaux en français237 207