Selection on late-onset diseases.
Notice bibliographique
Résumé
<p>To explore a range of patterns of age of onset, we altered the observed cumulative risk with age <i>F<sub>bo</sub></i>(<i>x</i>) of developing either breast or ovarian cancer for females carrying a <i>BRCA1</i> susceptibility allele estimated from <a href="http://www.plosone.org/article/info:doi/10.1371/journal.pone.0001206#pone.0001206-Antoniou1" target="_blank">[9]</a> (red line) by changing the mean from age 40 to 70 (A) and the variance from 100 to 800 (B). This was achieved by altering parameters <i>α</i> and <i>β</i> of the cumulative gamma. We calculated the minimum effective population size <i>Ne<sub>min</sub></i> = 10/2s necessary for negative selection to dominate over drift <a href="http://www.plosone.org/article/info:doi/10.1371/journal.pone.0001206#pone.0001206-Whitlock1" target="_blank">[18]</a> corresponding to <i>BRCA1</i>-alleles associated with each of these curves. These <i>Ne<sub>min</sub></i> are shown in (C) for the Quebec population. The point represents values estimated from <a href="http://www.plosone.org/article/info:doi/10.1371/journal.pone.0001206#pone.0001206-Antoniou1" target="_blank">[9]</a> for the cumulative risk of developing breast and ovarian cancer given a mutation in <i>BRCA1</i> (mean = 55; variance = 306; <i>Ne<sub>min</sub></i> = 92).</p>
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) | 0,400 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».