Editorial: Application of genomics and epigenetics in disease and syndrome classification
Notice bibliographique
Résumé
Editorial on the Research Topic Application of genomics and epigenetics in disease and syndrome classificationGenomics and epigenetics have revolutionized disease diagnosis and classification, providing comprehensive insights into disease categorizations (Shen et al., 2018;Koelsche et al., 2021;de Leval et al., 2022).By integrating genomics and epigenetics from the concept of central dogma vs. paracentral dogma (Wang, 2023a; Wang, 2023b), we could account for both genetic predisposition and environmental influences on disease development.In precision medicine, syndrome differentiation plays a crucial role in disease diagnosis and treatment (Dai et al., 2022).Exploring therapeutic strategies to specific syndromes enables more effective disease management.The incorporation of symptomatology and customized prescriptions contributes significantly to the advancement of precision medicine.We are proud to showcase four featured publications in this Research Topic entitled "Application of Genomics and Epigenetics in Disease and Syndrome Classification".This editorial aims to provide a concise overview of these articles and highlight their significant contributions to the field.Genomic studies play a pivotal role in identifying genetic variations associated with diseases.Notably, genome-wide association studies have unveiled single nucleotide polymorphisms (SNPs) associated with specific diseases (Wang et al., 2023).In this Research Topic, Liu et al. found that miR-196a2 rs11614913 and miR-27a rs895819 may influence genetic susceptibility to gastric precancerous lesions (GPL) or gastric cancer (GC).Additionally, they revealed a synergistic effect between miR-196a2 rs11614913 and Helicobacter pylori infection in the onset and progression of GPL.A similar study previously indicated that pri-miR-124-1 rs531564 and STAT3 rs1053023 are associated with a higher risk of GC (Mirnoori et al., 2018).These studies demonstrated that SNPs of miRNAs could be significantly associated with
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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,014 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,009 |
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 ».