MétaCan
Menu
Retour à la cohorte
Enregistrement W2491773350 · doi:10.1007/978-1-61779-445-2

Amino Acid Analysis

2011· book· en· W2491773350 sur OpenAlexfundno aff
Michail A. Alterman, Peter Hunziker

Notice bibliographique

RevueMethods in molecular biology · 2011
Typebook
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism and Genetic Disorders
Établissements canadiensnon disponible
Organismes subventionnairesAristotle University of ThessalonikiUniversität RegensburgMedizinischen Hochschule HannoverAkademie Věd České RepublikyCollege of Engineering, Michigan State UniversityUniversità di PisaKU LeuvenUniversità degli Studi di PadovaUniversität LeipzigUniversity of QueenslandCardiff Metropolitan UniversityUniversität für Bodenkultur WienEidgenössische Technische Hochschule ZürichMichigan State UniversityUniversity of New EnglandKeio UniversityNational Institute of Standards and TechnologyMcMaster UniversityNational Institute of Advanced Industrial Science and TechnologyCommonwealth Scientific and Industrial Research OrganisationSouth Dakota State UniversityVirginia Polytechnic Institute and State UniversityCalifornia Institute of Technology
Mots-clésAmino acid analysisAmino acidVariety (cybernetics)Computational biologyChemistryBiochemistryComputer scienceBiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Amino Acid Analysis (AAA) has been an integral part of analytical biochemistry for almost 60 years. AAA was originally developed by Moore and Stein and was at the very heart of their work on the mechanism of enzyme catalysis for which they were awarded a Nobel Prize in Chemistry in 1972. In a relatively short time since the previous AAA book in this series has been published (10 years), the variety of AAA methods changed dramatically with more methods shifting to the use of mass spectrometry (MS) as a detection method. At the same time, a number of old techniques acquired a new make-up, like combination of AccQ-Tag with UPLC and MS, instead of HPLC and fl uorescence. Another new aspect is miniaturization. One of the chapters in this book describes an AAA in a single cell. However, the most important aspect is that AAA in this day and age should be viewed in the context of Metabolomics as a part of Systems Biology.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,796
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,000
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 Opus0,019
Tête enseignante GPT0,354
Écart entre enseignants0,336 · 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.

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

Citations28
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biologyMême sujetMetabolism and Genetic DisordersTravaux en français237 207