MétaCan
Menu
Retour à la cohorte
Enregistrement W1984701707 · doi:10.3791/1260

Brain Banking: Making the Most of your Research Specimens

2009· article· en· W1984701707 sur OpenAlexaff
Mark Burke, Shahin Zangenehpour, Maurice Ptito

Notice bibliographique

RevueJournal of Visualized Experiments · 2009
Typearticle
Langueen
DomaineMathematics
ThématiquePoint processes and geometric inequalities
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésStereologyComputer scienceStainAntigen retrievalBrain tissueImmunohistochemistryCell structureBiomedical engineeringPathologyStainingBiologyBiological systemMedicine

Résumé

récupéré en direct d'OpenAlex

Unbiased stereology is a method for accurately and efficiently estimating the total neuron number (or other cell type) in a given area of interest(1). To achieve this goal 6-10 systematic sections should be probed covering the entire structure. Typically this involves processing 1/5 sections which leaves a significant amount of material unprocessed. In order to maximize the material, we propose an inexpensive method for preserving fixed tissue as part of a long-term storage research plan. As tissue is sliced and processed for the desired stain or antibody, alternate sections should be systematically placed in antigen preserve at -20 degrees C for future processing. Using 24-well plates, sections can be placed in order for future retrieval. Using this method, tissue can be stored and processed for immunohistochemistry over the course of years.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,280

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,005
Science ouverte0,0020,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0840,103

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 Opus0,273
Tête enseignante GPT0,568
Écart entre enseignants0,295 · 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
GenreMéthodes

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

En bref

Citations21
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetPoint processes and geometric inequalitiesTravaux en français237 207