Notice bibliographique
Résumé
APOPTOSIS TECHNIQUES AND PROTOCOLS, 2ND EDITION Edited by: Andrea C. LeBlanc CONTENTS Preface to the Series Preface Contributors Molecular Characterization of the Proapoptotic Protein Bax Yi-Te Hsu and Soraya Smaili Assessing Cytochrome-c Release from Mitochondria Douglas W. Ethell and Douglas R. Green Monitoring Caspases in Neuronal Cell Death Younes Bounhar, Omar Tounekti, and Andrea C. LeBlanc HSV Amplicon Vectors in Neuronal Apoptosis Studies Kathleen A. Maguire-Zeiss, William J. Bowers, and Howard J. Federoff Microinjections to Study the Specific Role of Proapoptotic Proteins in Neurons Yan Zhang and Andrea C. LeBlanc Designing Microarray Experiments for Neurobiology P. Scott Eastman and Jeanne F. Loring Analysis of Gene Expression by Nylon Membrane cDNA Arrays H. Michael Tucker and Steven Estus Glyceraldehyde-3-phosphate Dehydrogenase as a Target for Antiapoptotic Drugs Mark D. Berry and Paula C. Ashe Analytical Approaches for Investigating Apoptosis and Other Biochemical Events in Compartmented Cultures of Sympathetic Neurons Barbara Karten, Bronwyn L. MacInnis, Hubert Eng, Yoko Azumaya, Grace Martin, Karen Lund, Russell C. Watts, Jean E. Vance, Dennis E. Vance, and Robert B. Campenot Detection and Analysis of Synaptosis Greg M. Cole and Karen Gylys In Situ Detection of Apoptotic Neurons Kevin A. Roth Apoptotic and Oxidative Indicators in Alzheimer's Disease Arun K. Raina, Lawrence M. Sayre, Craig S. Atwood, Catherine A. Rottkamp, Ayala Hochman, Xiongwei Zhu, Mark E. Obrenovich, Shun Shimohama, Akihiko Nunomura, Atsushi Takeda, George Perry, and Mark A. Smith Index
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,058 |
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 source (Gemma direct ou Codex distillé), 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 ».