Antibody Engineering & Therapeutics 2016: The Antibody Society's annual meeting, December 11–15, 2016, San Diego, CA
Notice bibliographique
Résumé
Antibody Engineering & Therapeutics, the largest meeting devoted to antibody science and technology and the annual meeting of The Antibody Society, will be held in San Diego, CA on December 11-15, 2016. Each of 14 sessions will include six presentations by leading industry and academic experts. In this meeting preview, the session chairs discuss the relevance of their topics to current and future antibody therapeutics development. Session topics include bispecifics and designer polyclonal antibodies; antibodies for neurodegenerative diseases; the interface between passive and active immunotherapy; antibodies for non-cancer indications; novel antibody display, selection and screening technologies; novel checkpoint modulators / immuno-oncology; engineering antibodies for T-cell therapy; novel engineering strategies to enhance antibody functions; and the biological Impact of Fc receptor engagement. The meeting will open with keynote speakers Dennis R. Burton (The Scripps Research Institute), who will review progress toward a neutralizing antibody-based HIV vaccine; Olivera J. Finn, (University of Pittsburgh School of Medicine), who will discuss prophylactic cancer vaccines as a source of therapeutic antibodies; and Paul Richardson (Dana-Farber Cancer Institute), who will provide a clinical update on daratumumab for multiple myeloma. In a featured presentation, a representative of the World Health Organization's INN expert group will provide a perspective on antibody naming. "Antibodies to watch in 2017" and progress on The Antibody Society's 2016 initiatives will be presented during the Society's special session. In addition, two pre-conference workshops covering ways to accelerate antibody drugs to the clinic and the applications of next-generation sequencing in antibody discovery and engineering will be held on Sunday December 11, 2016.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,119 | 0,116 |
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 ».