MétaCan
Menu
Retour à la cohorte
Enregistrement W4396686530 · doi:10.1063/5.0206011

Dynamics of karyotype evolution

2024· article· en· W4396686530 sur OpenAlexafffund
Elena Kuzmin, Toby M. Baker, Peter Van Loo, Leon Glass

Notice bibliographique

RevueChaos An Interdisciplinary Journal of Nonlinear Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueChromosomal and Genetic Variations
Établissements canadiensConcordia UniversityMcGill Genome CentreMcGill UniversityInstitute for Research in Immunology and Cancer
Organismes subventionnairesMedical Research CouncilNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCanada Research ChairsBoehringer Ingelheim FondsCancer Research UKWellcome TrustFrancis Crick InstituteMedical Research Council CanadaCancer Prevention and Research Institute of Texas
Mots-clésKaryotypeBiologyChromosomeEvolutionary biologyChromosome instabilityRange (aeronautics)Genetics

Résumé

récupéré en direct d'OpenAlex

In the evolution of species, the karyotype changes with a timescale of tens to hundreds of thousand years. In the development of cancer, the karyotype often is modified in cancerous cells over the lifetime of an individual. Characterizing these changes and understanding the mechanisms leading to them has been of interest in a broad range of disciplines including evolution, cytogenetics, and cancer genetics. A central issue relates to the relative roles of random vs deterministic mechanisms in shaping the changes. Although it is possible that all changes result from random events followed by selection, many results point to other non-random factors that play a role in karyotype evolution. In cancer, chromosomal instability leads to characteristic changes in the karyotype, in which different individuals with a specific type of cancer display similar changes in karyotype structure over time. Statistical analyses of chromosome lengths in different species indicate that the length distribution of chromosomes is not consistent with models in which the lengths of chromosomes are random or evolve solely by simple random processes. A better understanding of the mechanisms underlying karyotype evolution should enable the development of quantitative theoretical models that combine the random and deterministic processes that can be compared to experimental determinations of the karyotype in diverse settings.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,216

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,293
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChaos An Interdisciplinary Journal of Nonlinear ScienceMême sujetChromosomal and Genetic VariationsTravaux en français237 207