MétaCan
Menu
Retour à la cohorte
Enregistrement W4401914768 · doi:10.1186/s12859-024-05885-5

HerpesDRG: a comprehensive resource for human herpesvirus antiviral drug resistance genotyping

2024· article· en· W4401914768 sur OpenAlexaff
Oscar Charles, Cristina Venturini, Richard A. Goldstein, Judith Breuer

Notice bibliographique

RevueBMC Bioinformatics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHerpesvirus Infections and Treatments
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesUniversity College London Hospitals Biomedical Research CentreMedical Research CouncilUniversity College London Hospitals NHS Foundation TrustNational Institute for Health and Care ResearchUK Research and InnovationWellcome Trust
Mots-clésDrug resistanceGenotypingSanger sequencingBiologyHuman herpesvirus 6AnnotationMutationComputational biologyGenotypeBioinformaticsDatabaseGeneticsGeneVirusComputer scienceViral diseaseHerpesviridae

Résumé

récupéré en direct d'OpenAlex

The prevention and treatment of many herpesvirus associated diseases is based on the utilization of antiviral therapies, however therapeutic success is limited by the development of drug resistance. Currently no single database cataloguing resistance mutations exists, which hampers the use of sequence data for patient management. We therefore developed HerpesDRG, a drug resistance mutation database that incorporates all the known resistance genes and current treatment options, built from a systematic review of available genotype to phenotype literature. The database is released along with an R package that provides a simple approach to resistance variant annotation and clinical implication analysis from common sanger and next generation sequencing data. This represents the first openly available and community maintainable database of drug resistance mutations for the human herpesviruses (HHV), developed for the community of researchers and clinicians tackling HHV drug resistance.

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)0,005
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,024
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0090,008
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0030,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0300,025

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 Opus0,036
Tête enseignante GPT0,321
Écart entre enseignants0,285 · 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'étudeSans objet
Domainenon disponible
GenreLogiciel

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC BioinformaticsMême sujetHerpesvirus Infections and TreatmentsTravaux en français237 207