MétaCan
Menu
Retour à la cohorte
Enregistrement W1594472876 · doi:10.5772/30316

Genomics and Genome Sequencing: Benefits for Finfish Aquaculture

2012· book-chapter· en· W1594472876 sur OpenAlexaff
L. Nicole, Pedro Alejandro, Ben F. Koop, Samia William

Notice bibliographique

RevueAquaculture · 2012
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAnimal Genetics and Reproduction
Établissements canadiensUniversity of VictoriaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésGenomicsAquacultureFisheryGenomeBiologyComputational biologyFish <Actinopterygii>GeneticsGene

Résumé

récupéré en direct d'OpenAlex

The central dogma of molecular biology states that DNA is transcribed to RNA, which is translated into proteins A genome comprises all of an organism's DNA, or hereditary information. The field of genomics is the study of whole genomes. Genomics has been defined as "a branch of biotechnology concerned with applying the techniques of genetics and molecular biology to the genetic mapping and DNA sequencing of sets of genes or the complete genomes of selected organisms" (Mirriam-Webster Dictionary). Specifically, whereas genetics is the study of a single gene, or a few genes in isolation, genomics examines all of the genes, as well as the non-coding elements (i.e., regions that do not encode proteins or RNA components of the cell), within the DNA of a genome. Although the term genomics was first used in 1987, the field is relatively new and is growing rapidly as new technologies for exploring genomes emerge. The applications of genomics are vast, spanning realms such as medicine, industry and ecology, with implications for global issues including cancer diagnosis, prevention and treatment, alternative energy sources, agriculture, conservation and sustainable development. Furthermore, given that the fundamental basis of genomics DNAis common across all living organisms, genomics stands to bridge the gaps between these fields of study, with synergistic results as multi-disciplinary approaches to answering biological questions are developed.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0350,017

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 Opus0,024
Tête enseignante GPT0,228
Écart entre enseignants0,203 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAquacultureMême sujetAnimal Genetics and ReproductionTravaux en français237 207