MétaCan
Menu
Retour à la cohorte
Enregistrement W4402884772 · doi:10.1101/2024.09.25.615075

FerroEnrich: An Interactive web tool for computing Ferroptosis index and gene enrichment

2024· preprint· en· W4402884772 sur OpenAlexfundno aff
Munichandra Babu Tirumalasetty, Mayank Choubey, Md Wahiduzzaman, Rashu Barua, Mohammad Sarif Mohiuddin, Qing Miao

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueFerroptosis and cancer prognosis
Établissements canadiensnon disponible
Organismes subventionnairesYork University
Mots-clésUsabilityComputer scienceFunction (biology)Plot (graphics)GeneIndex (typography)Computational biologyBiologyWorld Wide WebGeneticsHuman–computer interactionMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Ferroptosis is an iron-dependent form of controlled cell death and is characterized by the formation of lipid peroxides. Understanding gene expressions associated with ferroptosis is critical for determining its function in illnesses and potential therapeutic approaches. Despite its significance, no computational model is currently available to accurately quantify the ferroptosis incident. FerroEnrich is a sophisticated web-based tool built using R Shiny application to enumerate the occurrence of ferroptosis based on the relevant gene expressions. This tool available at https://ferroenrich.shinyapps.io/ferroenrich/ processes the input gene expression file to identify genes that are resistant or prone to ferroptosis, calculates ferroptosis index value with dynamic colored heatmap and gene network plot. This manuscript describes the design, operation and usability of FerroEnrich, including examples and a discussion of its potential impact on ferroptosis research. FerroEnrich is a vital tool for researchers, allowing them to explore and analyze complicated gene expression data related to ferroptosis.

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)0,003
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: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0570,015

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 Opus0,020
Tête enseignante GPT0,270
Écart entre enseignants0,250 · 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
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetFerroptosis and cancer prognosisTravaux en français237 207