Validation of new, circulating biomarkers for gliomas
Notice bibliographique
Résumé
OBJECTIVES: Biomarkers are useful clinical tools but only a handful of them are used routinely for patient care. Despite intense efforts to discover new, clinically useful biomarkers, very few new circulating biomarkers were implemented in clinical practice in the last 40 years. This is mainly due to rather poor clinical performance. Here, our goal was to validate the performance of a group of newly discovered circulating biomarkers for glioma by comparing our data with data from a paper recently published in Science Advances. METHODS: We analyzed our own sets of clinical samples (gliomas (n=30), meningiomas (n=20)) and a different analytical assay (Proximity Extension Assay, OLINK Proteomics) to compare the results of Shen and colleagues. RESULTS: Despite the sophistication of the utilized discovery method by the original investigators, we found that the newly proposed biomarkers for glioma (the best one presumably being SERPINA6) did not perform as originally claimed. CONCLUSIONS: Scientific irreproducibility has been extensively discussed in the literature. A large proportion of newly discovered candidate biomarkers likely represent "false discovery" and significantly contribute to the propagation of irreproducible results between investigators. One of the best ways to assess the value of any new biomarker is by independent and extensive validation. Based on our previous classification of irreproducible results, we believe that this new work likely represents another example of biomarker false discovery.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».