MétaCan
Menu
← Retour à la cohorte
Enregistrement W6920640607 · doi:10.6084/m9.figshare.19074995

Novel biomarkers and protein-protein interaction in multiple myeloma

2022· article· en· W6920640607 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Myeloma Research and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMultiple myelomaDiseaseHematological malignancyMalignancyCancerAdeptAutoantibodyAntibody

Résumé

récupéré en direct d'OpenAlex

The Biomarkers of disease’ project was designed to use proteomics and bioinformatics, in order to discover novel biomarkers associated with different diseases, that can be used as a diagnostic tool or to aid in target drug therapy. In this paper, we focus on multiple myeloma (MM), which is the second most common hematological malignancy with an incidence of 55 per 1 000 000 people in Canada . Multiple myeloma is a malignancy of plasma cells, which are differentiated B lymphocytes, and they function to produce antibodies in response to pathogens That said, plasma cells also play a role in the development of allergies and autoimmune diseases. Plasma cells that are short lived are easily depleted by drugs that slows or stops the growth of cells, however, long-lived plasma cells may give rise to autoantibodies that are relatively resistant to therapy. Multiple myeloma arises when plasma cells are poorly regulated. The cause of multiple myeloma is poorly understood, but a study in Canada has shown that the occurrence of MM is more common in rural areas and agricultural cities (5). This gives rise to the identification of pesticides and chemicals used for farming as risk factors in the pathogenesis of MM. Well known risk factors for MM are advancing age, black race, and male sex (6), as well as other factors including obesity, ionising radiation, and infections with HIV and Hepatitis C. The typical symptoms of MM can be summarized into the acronym ‘CRAB’, which stands for hypercalcemia, renal failure, anemia, and bone disease . Although not all patients exhibit the usual CRAB symptoms; a study demonstrated that only 74% of MM patients displayed the typical symptoms of CRAB while 20% had different symptoms.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,070
Tête enseignante GPT0,314
Écart entre enseignants0,244 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetMultiple Myeloma Research and Treatments→Travaux en français237 207→