MétaCan
Menu
Retour à la cohorte
Enregistrement W2027812170 · doi:10.1089/adt.2004.2.389

Micro Parallel Liquid Chromatography: Enabling Technology for Discovery Analytical Chemistry

2004· article· en· W2027812170 sur OpenAlexaff
Anthony V. Lemmo, Steve Hobbs, Paren P. Patel

Notice bibliographique

RevueAssay and Drug Development Technologies · 2004
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensUniversity of Sudbury
Organismes subventionnairesnon disponible
Mots-clésBottleneckScalabilityComputer scienceSolubilityInstrumentation (computer programming)Diversification (marketing strategy)ThroughputNanotechnologyChemistryCombinatorial chemistryChromatographyProcess engineeringBiochemical engineeringMaterials scienceEngineeringOrganic chemistryTelecommunications

Résumé

récupéré en direct d'OpenAlex

Since the introduction of combinatorial chemistry, compound libraries have undergone a significant increase in size and diversity. The ensuing expansion and diversification of compound libraries have resulted in increased demand for analytical throughput. Following the evolution of new technologies for generating lead compounds and targets and the desire to increase research and development productivity, analytical chemistry is now gaining attention as a bottleneck that would benefit from advances in instrumentation for increased analytical throughput. The commercial introduction of the Veloce trade mark micro parallel liquid chromatography system from Nanostream offers discovery analytical chemists the capability to analyze 24 samples in parallel with as little as 0.5 microl of sample. The system offers a scalable analytical approach to address bottlenecks in historically underserved areas, such as compound library purity screening, as well as higher value-added applications, such as log P determination and aqueous solubility assessment. This article describes the Veloce system and presents representative data from several discovery analytical applications.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,006

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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssay and Drug Development TechnologiesMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207