MétaCan
Menu
Retour à la cohorte
Enregistrement W2281751680

Strategies for Patenting in Biotechnology

2009· article· en· W2281751680 sur OpenAlexaboutno aff
Firoz Khan Pathan, Deespa Ailavarapu Venkata, Siva K. Panguluri

Notice bibliographique

RevueCurrent Trends in Biotechnology and Pharmacy · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntellectual propertySurpriseProfit (economics)BusinessScientific discoveryBiotechnologyPolitical scienceEngineering ethicsEngineeringLawEconomicsSociologyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Intellectual property rights (IP) is one of the major component of research in many organizations (both profit and non-profit), institutes and academics. Since 1970’s, during which a Canadian non-governmental organization (ETC group) filed two patent applications for the first time on “the world's firstever human-made life form”, many companies including academic institutes or universities are encouraging their researchers to protect their findings through IP's. It is obvious for the researcher to surprise if he looks at the number of patents that were issued since 1970 on various entities over the advancement of science. Despite intense database on inventions and/or discoveries of various scientific organizations, the increasing interests of the scientists to protect their inventions/technology/discovery thorough IP is significantly reducing the accessibility of their findings and there by slowing advances in science. In this review, we are discussing on various components of patenting tools, protection and methodologies as an introductory material for scientists and students for the better understanding of intellectual property (IP) rights. We would like to promote the use of IP's to protect the technology being theft out for biological terrorism rather than a commercial motif to “Business” the science.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,641
Score d'incertitude au seuil0,714

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,384
Écart entre enseignants0,356 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Trends in Biotechnology and PharmacyMême sujetCRISPR and Genetic EngineeringTravaux en français237 207