Additional file 1 of Predicting heterogeneity in clone-specific therapeutic vulnerabilities using single-cell transcriptomic signatures
Notice bibliographique
Résumé
Additional file 1: Fig S1. Single-cell RNA-seq statistics for 12 patient-derived cell lines. Fig S2. Impact of dose-response curves from in vitro cell viability assays on IC50 estimates. Fig S3. Training and validation loss. Fig S4. CaDRReS-Sc accurately estimates aggregate IC50 values in the presence of transcriptomic heterogeneity. Fig S5. Survival analysis for clusters based on bulk transcriptomic profiles. Fig S6. Boxplots comparing ITTH scores across clinical response categories for various cancer drugs. Fig S7. Additional performance evaluation per drug. Fig S8. Pairwise comparison of CaDRReS-SC’s performance on unseen cell types. Fig S9. Transcriptomic patterns of cells from HN120 and HN137. Fig S10. Detailed comparison between predicted and observed cell death percentages. Fig S11. Pharmacogenomic space of GDSC cell lines and HNSC patient-derived cell clusters. Fig S12. Comparison of observed and predicted drug response across 5 pooled PDCs and 8 drugs. Fig S13. Predictive performance of ElasticNet and RWEN based on cell clusters. Fig S14. Comparison of drug response between tumor types and pathway activity groups.
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) | 0,626 | 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 ».