MétaCan
Menu
Retour à la cohorte
Enregistrement W2084501449 · doi:10.2174/138620709789104942

A Novel Approach to Label-Free Sensing: Diffractive Optics Technology (dot®)

2009· article· en· W2084501449 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCombinatorial Chemistry & High Throughput Screening · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Biosensing Techniques and Applications
Établissements canadiensAxela (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRobustness (evolution)Drug discoveryNanotechnologyThroughputBiochemical engineeringData scienceComputational biologyChemistryBioinformaticsMaterials scienceBiologyEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Label-free detection methods have played a very significant role in drug design and refinement. They have been used primarily during secondary screening and for in-depth characterization of biomolecular interactions. Misconceptions about the accessibility of these platforms, since they often require specialized training, throughput and robustness in complex media have hampered their adoption in the earliest phases of discovery not to mention their significant and unrealized potential in qualifying reagents for high throughput screening or during novel assay development. A new wave of more cost effective, robust and accessible platforms has made significant inroads, demonstrating that significant information can be derived from these methods all along the drug discovery research continuum. One of these recent entrants, the dotLab System uses diffractive optics technology (dot) to detect biomolecular interactions and can be used for a wide variety of applications in the study of a broad spectrum of biological analytes including proteins, DNA and even microorganisms.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,412
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,284
Écart entre enseignants0,263 · 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